2022年4月17日 · 本文深入探讨了对抗学习的基本概念和方法，包括FGSM、FGM、PGD等对抗攻击策略。 对抗样本是导致模型错误预测的关键因素，而对抗训练则通过引入这些样本来增强模型的鲁棒性 …
blog.csdn.net › article › details2021年3月25日 · 与很多实用性技术一样，机器学习作为一个复杂的计算机系统，同样面临着安全性的考验，同样会面临黑客攻击，也被发现存在着安全性问题，它们干扰机器学习系统输出正确结果，例如 …
zhuanlan.zhihu.com2025年5月26日 · 对抗学习（Adversarial Learning）应运而生，它研究如何生成对抗样本以揭示模型弱点，以及如何构建更鲁棒的模型来抵御这些攻击。 1. 什么是对抗样本？ 对抗样本是指在原始输入数据 …
blog.csdn.net › article › details › ...2021年12月17日 · 1.3 为什么要研究对抗学习？ 传统机器学习算法会假设数据服从独立同分布 (iid)假设，而真实世界中数据往往不服从iid假设 数据不够理想：非寻常输入 数据不独立：每次测试使用同样 …
zhuanlan.zhihu.com2025年5月27日 · 对抗学习研究生成对抗样本揭示模型弱点及构建鲁棒模型。 对抗样本是添加微小扰动致模型错误分类的输入。 FGSM、PGD是常见攻击方法，对抗训练等是防御手段。 对抗学习关乎模型 …
cloud.tencent.com › developer › articleThe Adversarial Mechanism 生成对抗网络（GAN）是深度学习领域的一个革命性概念，为数据生成提供了一种全新的方式。 其名称中的 对抗 体现了核心思想：通过两个神经网络之间的相互竞争来生成数 …
www.gnn.club2025年5月26日 · 然而，研究表明，这些看似强大的模型却异常脆弱，容易受到**对抗样本（Adversarial Examples）**的攻击。 对抗学习（Adversarial Learning）应运而生，它研究如何生成对抗样本以揭 …
jishuzhan.net › article2023年12月21日 · 对抗学习（Adversarial Learning）是一种深度学习技术，它通过在生成器和判别器之间进行竞争来生成更加高质量的数据。 这种方法在图像生成、语音合成和自然语言处理等领域取得 …
juejin.cn › post2020年3月1日 · 当前，说到深度学习中的对抗，一般会有两个含义：一个是生成对抗网络（Generative Adversarial Networks，GAN），代表着一大类先进的生成模型；另一个则是跟对抗攻击、对抗样本相 …
spaces.ac.cn › archives2018年12月17日 · 不使用来历不明的训练数据、测试数据与验证数据； 在训练过程中加入设计好的攻击噪声，使自己的Al更加健壮； 在线学习系统需要对学习内容进行一定的过滤； 学习过程是连续变化 …
www.cnblogs.com