【文件属性】：
文件名称：Data-Free Adversarial Perturbations forPractical Black-Box Attack.pdf
文件大小：1.54MB
文件格式：PDF
更新时间：2020-04-17 19:25:02
对抗样本
实用黑箱攻击的无数据对抗扰动PDF论文，发表于2020-03-03
神经网络容易受到对抗性示例的攻击，这些示例是为欺骗预先训练的模型而设计的恶意输入。对抗性示例经常表现出黑匣子攻击的可转移性，这使得为一个模型设计的对抗性示例可以欺骗另一种模型。