对抗样本：进攻与防守
最近，关于对抗性样本的研究是机器学习中的一个热门话题。 在此存储库中，我只想介绍一些生成对抗性样本的方法以及如何防御它们。
注意：还有许多其他有趣的方法，我将在以后的晚些时候进行更新。
安装
此处的所有方法都在Pytorch中实现。 我认为这里无需担心版本冲突。 我的代码很简单，不需要特殊的程序包。 您需要做的就是安装Pytorch（以及numpy，matplotlib等其他基本软件包）。
每个文件夹中的自述文件有点混乱！！！ 我将对其进行重组。
2021-09-29 11:03:26
61.4MB
1
对抗样本入门级论文的PPT总结
包括入门级的六篇论文以及总结展望，希望有从事AI安全的朋友前来交流
目前正在从事AI安全方面的工作，如果做的有不好的地方，大家多多指出
2021-09-17 17:44:54
7.66MB
1
对抗样本攻击与防御是最近几年兴起的一个研究热点,攻击者通过微小的修改生成对抗样本来使深度神经网络预测出错。生成的对抗样本可以揭示神经网络的脆弱性,并可以修复这些脆弱的神经网络以提高模型的安全性和鲁棒性。
2021-09-14 13:09:04
1.22MB
1
目标检测是一种广泛应用于工业控制、航空航天等安全攸关场景的重要技术。近年来，随着深度学习在目标检 测领域的应用，检测的精度得到了较大提升，但由于深度学习固有的脆弱性，使得基于深度学习的目标检测技术的可靠性 和安全性面临新的挑战。
2021-09-10 09:10:30
4.83MB
1
本算法是经典的对抗样本算法，参考论文为《DeepFool: a simple and accurate method to fool deep neural networks》，基于pytorch框架实现，已调试完毕，可直接运行。
2021-08-20 01:37:59
1.24MB
本资源是基于FGSM改进的I-FGSM算法和ICCLM算法，pytorch版本，jupyter文件，可以直接运行。
2021-08-16 09:14:21
63.26MB