手机版 English 帮助中心
外文文献知网节
文献信息节点
基本信息 摘要 关键词 核心评价 相关文献
Journal | [J] 计算机系统网络和电信 Volume 2, Issue 3. 2020.
基于KNN最小范化系数攻击在CNN上的利用
作者 : 杨 雨澄, 李 丹
DOI: 10.18686/jsjxt.v2i3.30186
全部来源
获取全文
摘要 / Abstract
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 / Keywords
KNN；对抗样本；鲁棒性；对抗训练
Related articles / 相关文献
相似文献
作者发文
机构发文
关键词分析
相似文献（说明：与本文内容较接近的文献）
  • [1]C. Sitawarin and D. Wagner, “On the robustness of deep k- nearest neighbors,” vol. abs/1903.08333, 2019. [Online]. Available: http://arxiv.org/abs/1903.08333.
  • [2]Y. Yang, C. Rashtchian, Y. Wang, and K. Chaudhuri, “Adversarial examples for non-parametric methods: Attacks, defenses and large sample limits,” CoRR, vol. abs/1906.03310, 2019. [Online]. Available: http://arxiv.org/abs/1906.03310.
  • [3] W. Gao, X. Niu, and Z. Zhou, “On the consistency of exact and approximate nearest neighbor with noisy data,” CoRR, vol. abs/1607.07526, 2016. [Online]. Available: http://arxiv.org/ abs/1607.07526. [4] H. W. J. Reeve and A. Kab´an, “Fast rates for a knn classi-
  • fier robust to unknown asymmetric label noise,” CoRR, vol. abs/1906.04542, 2019. [Online]. Available: http://arxiv.org/ abs/1906.04542.
  • [5] Christian Szegedy. Wojciech Zaremba. Ilya Sutskever. Joan Bru-na. Dumitru Erhan. Ian J. Goodfellow. and Rob Fergus. Intriguing properties of neural networks. In ICLR, 2014.
  • [6] C. Sitawarin and D. Wagner, “Minimum-Norm Adversarial Ex- amples on KNN and KNN-Based Models,” vol. abs/2003.06559, 2019. [Online]. Available: http://arxiv.org/abs/2003.06559.
《中国学术期刊(光盘版)》电子杂志社有限公司 KDN平台基础技术由KBASE 11.0提供
© 2014-2018中国知网(CNKI) 京公网安备11010802020460号 经营性网站备案信息 互联网出版许可证 新出网证(京)字271号 京ICP证040431号