基于KNN最小范化系数攻击在CNN上的利用

智研平台会员

登录机构账号

复制成功

设置

万方会员

暂未开通会员

开通即享超值福利、会员权益
优质内容推荐

立即开通

个人中心

我的智研

退出登录

简繁

搜索

DOI: 10.18686/jsjxt.v2i3.30186

基于KNN最小范化系数攻击在CNN上的利用

杨雨澄, 李丹

四川大学锦城学院

全文直达

引用

打印

摘要：若要分析算法的鲁棒性，必须采用生成对抗样本的方式来评价算法鲁棒性。然而目前对于算法鲁棒性没有统一的评判标准，也就是说对于不同的算法，人们会针对性地采取不同的方法来生成对抗样本。在这些攻击算法中，Sitawarin等人对于KNN及其衍生模型提出了基于KNN和及其衍生模型的攻击方法，其方法和其类似的KNN方法比较而言，能快速地找到优秀的对抗样本，在该攻击下对抗样本表现的也十分出色。那么该方法的迁移性能又如何呢，又是否能对其他的算法模型生成优秀的对抗样本呢？本文将利用Sitawarin等人的攻击模型对CNN算法模型进行攻击，并且进行对比分析造成该结果的原因。

关键词：

KNN；对抗样本；鲁棒性；对抗训练

Universe Scientific Publishing

ISSN：2661-3719

年,卷(期)：2020,2(3)