文件名称：matlab实现罗吉特模型代码-Adversarial-Learning:深度学习对抗示例
文件大小：261KB
文件格式：ZIP
更新时间：2024-06-13 01:47:20
系统开源
matlab实现罗吉特模型代码使用Tensorflow制作图像对抗样本 该代码按原样提供，可能无法再进行更新。 非常有帮助。 目录 （已过时） 该仓库包含纯Tensorflow中实现的制作算法。 可以在文件夹中找到算法。 该实现遵循tensor-in，tensor-out的原理。 它们都返回可以通过sess.run(...)运行的Tensorflow操作。 原料药 快速梯度法（FGM）/ fgm ( model , x , eps = 0.01 , epochs = 1 , sign = True , clip_min = 0.0 , clip_max = 1.0 ) 如果sign=True ，请使用渐变符号作为噪声，否则直接使用渐变值。 根据经验，渐变符号效果更好。 目标快速梯度法（FGMT） fgmt ( model , x , y = None , eps = 0.01 , epochs = 1 , sign = True , clip_min = 0.0 , clip_max = 1.0 ): 与FGM的唯一区别在于，这是有针对性的攻击，即可以提供所需的目标。 如果y=None
【文件预览】：
Adversarial-Learning-master
----attacks()
--------deepfool.py(7KB)
--------cw.py(5KB)
--------__init__.py(99B)
--------saliency_map.py(5KB)
--------fast_gradient.py(4KB)
----img()
--------cw2_mnist_binary_search.png(27KB)
--------compare.png(24KB)
--------deepfool_mnist.png(28KB)
--------fgvm_mnist.png(22KB)
--------jsma_mnist_scratch.png(7KB)
--------jsma_mnist_diff.png(47KB)
--------jsma_mnist.png(46KB)
--------fgsm_mnist.png(23KB)
----.travis.yml(103B)
----example()
--------fgmt_mnist.py(8KB)
--------compare_all.py(11KB)
--------cw2_mnist_binary_search.py(12KB)
--------deepfool_mnist.py(8KB)
--------fgmt_mnist2.py(9KB)
--------fgsm_mnist.py(8KB)
--------deepfool_noise.py(8KB)
--------jsma_mnist_diff.py(9KB)
--------jsma_profile.py(3KB)
--------deepfool_mnist_batch.py(8KB)
--------jsma_mnist_10x10.py(9KB)
--------deepfool_mnist2_batch.py(9KB)
--------jsma_mnist_scratch.py(8KB)
--------cw2_mnist.py(11KB)
--------cw8_mnist.py(11KB)
--------deepfool_mnist2.py(9KB)
----LICENSE(1KB)
----README.md(6KB)
----.gitignore(106B)