对抗样本生成及攻防技术研究

• 作者: 刘小垒 张小松 朱清新 罗宇恒 邵林
• 来源期刊: 计算机应用研究
• 关键词: 对抗样本 机器学习 深度学习
• 年，卷（期）: 2020,（11）
• 所属期刊栏目: 综述评论
• 页码范围: 3201-3205,3212
• 页数: 6页
• 分类号: TP393.04
• 语种: 中文
• DOI: 10.19734/j.issn.1001-3695.2019.07.0252

摘要

基于对抗样本的攻击方法是机器学习算法普遍面临的安全挑战之一.以机器学习的安全性问题为出发点,介绍了当前机器学习面临的隐私攻击、完整性攻击等安全问题,归纳了目前常见对抗样本生成方法的发展过程及各自的特点,总结了目前已有的针对对抗样本攻击的防御技术,最后对提高机器学习算法鲁棒性的方法作了进一步的展望.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	朱清新		74	1042	16.0	30.0
2	张小松		36	272	8.0	15.0
3	刘小垒		3	9	2.0	3.0
4	罗宇恒		1	0	0.0	0.0
5	邵林		2	38	1.0	2.0