BriefGPT.xyz
Jul, 2017
合成鲁棒性对抗性样本
Synthesizing Robust Adversarial Examples
HTML
PDF
Anish Athalye, Ilya Sutskever
TL;DR
研究发现标准的神经网络产生对抗样本的方法在面临视角改变、噪声和其他自然变换的情况下无法在物理世界中持续地欺骗神经网络分类器，但此研究成功演示了存在强韧性的三维对抗性目标，提出了第一个能在所选择的转换分布中产生对抗性示例的算法，制造了首批物理对抗物体。
Abstract
neural networks
are susceptible to
adversarial examples
: small, carefully-crafted perturbations can cause networks to misclassify inputs in arbitrarily chosen ways. However, some studies have showed that
→