IJCAIJun, 2020
GAP++: 学习生成目标条件下对抗性样本
GAP++: Learning to generate target-conditioned adversarial examples
Xiaofeng Mao, Yuefeng Chen, Yuhong Li, Yuan He, Hui Xue
TL;DR提出一种更通用的框架,该框架可以推断基于输入图像和目标标签的目标条件扰动,通过学习攻击目标与图像中的语义关系。在 MNIST 和 CIFAR10 数据集的广泛实验中,该方法实现了超越单目标攻击模型的优异性能,并以小扰动范数获得高愚弄率。