文件名称：Targeted-Adversarial-Attack:一种有针对性的对抗攻击方法，赢得了NIPS 2017有针对性的攻击攻击竞赛
文件大小：184KB
文件格式：ZIP
更新时间：2024-06-05 08:45:54
adversarial-example targeted-attacks Python
有针对性的专业攻击 介绍 该存储库包含提交给的前1名提交者的代码。 方法 我们使用动量迭代法来生成对抗性示例。 我们总结了算法（CVPR 2018，Spotlight）。 我们注意到针对性攻击几乎没有可传递性。 这一发现不仅来自我们的实验，而且来自于本次比赛的其他提交者。 我们认为，很难为具有大量类（即1000个）的ImageNet数据集找到可传递的对抗性示例，因为两个类之间的决策边界对于不同的模型可能不会显示出相同的属性。 引文 如果您在研究中使用动量迭代法进行攻击，请考虑引用 @inproceedings{dong2018boosting, title={Boosting Adversarial Attacks with Momentum}, author={Dong, Yinpeng and Liao, Fangzhou and Pang, Tianyu and Su,
【文件预览】：
Targeted-Adversarial-Attack-master
----nets()
--------inception_resnet_v2_test.py(12KB)
--------mobilenet_v1.md(4KB)
--------resnet_v1.py(15KB)
--------vgg_test.py(18KB)
--------vgg.py(12KB)
--------resnet_v2_test.py(19KB)
--------resnet_v2.py(15KB)
--------__init__.py(1B)
--------inception_v3.py(27KB)
--------mobilenet_v1.py(19KB)
--------nets_factory.py(5KB)
--------inception_v1_test.py(9KB)
--------inception_v2_test.py(13KB)
--------lenet.py(3KB)
--------inception_resnet_v2.py(16KB)
--------overfeat_test.py(6KB)
--------overfeat.py(5KB)
--------inception_v2.py(24KB)
--------inception_v4.py(15KB)
--------inception.py(2KB)
--------alexnet.py(5KB)
--------inception_utils.py(3KB)
--------inception_v4_test.py(10KB)
--------inception_v1.py(15KB)
--------mobilenet_v1_test.py(22KB)
--------alexnet_test.py(6KB)
--------mobilenet_v1.png(99KB)
--------resnet_utils.py(10KB)
--------inception_v3_test.py(12KB)
--------nets_factory_test.py(2KB)
--------resnet_v1_test.py(19KB)
--------cifarnet.py(4KB)
----target_attack.py(11KB)
----run_attack.sh(937B)
----LICENSE(11KB)
----metadata.json(180B)
----README.md(2KB)