Data-Free Adversarial Perturbations forPractical Black-Box Attack.pdf

【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：2023-05-08 13:11:42

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。