深度学习中的对抗攻击与防御

• 作者: 刘西蒙 李旭如 王耀鹏 谢乐辉
• 来源期刊: 网络与信息安全学报
• 学科: 工学
• 关键词: 对抗样本 对抗攻击 对抗防御 深度学习安全
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 学术论文
• 页码范围: 36-53
• 页数: 18页
• 分类号: TP18
• 语种: 中文
• DOI: 10.11959/j.issn.2096-109x.2020071

摘要

对抗样本是被添加微小扰动的原始样本,用于误导深度学习模型的输出决策,严重威胁到系统的可用性,给系统带来极大的安全隐患.为此,详细分析了当前经典的对抗攻击手段,主要包括白盒攻击和黑盒攻击.根据对抗攻击和防御的发展现状,阐述了近年来国内外的相关防御策略,包括输入预处理、提高模型鲁棒性、恶意检测.最后,给出了未来对抗攻击与防御领域的研究方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘西蒙		5	0	0.0	0.0
2	谢乐辉		1	0	0.0	0.0
3	王耀鹏		1	0	0.0	0.0
4	李旭如		1	0	0.0	0.0