对抗性样本相关论文
匿名网络通信是一种具有高度匿名性的网络通信方式,因此广受匿名需求用户的欢迎。然而,攻击者仍然能够通过匿名网络中的通信流量数......
深度学习可以从原始输入特征中以更高和更抽象的层次表示来提取数据的复杂性,从而实现各种功能。这使得深度学习在各种领域中取得......
从软件时代到互联网,再到如今的大数据时代,数据的量和复杂性都经历了从量到质的改变,其中深度学习通过建立、模拟人脑的分层结构......
深度学习被广泛应用于众多领域和行业,面对复杂任务时能够发挥巨大的优势。但是,随着对深度神经网络越来越高的关注度,研究人员发......
深度学习系统越来越多的被部署在自动驾驶、医疗诊断等安全极其重要的应用中。为了确保深度学习系统的安全性,必须对深度学习系统......
在传统研究中,关于如何形成最能模拟目标的欺骗干扰,以及如何提取最能辨识欺骗干扰的特征,都没有现成的理论方法.文中提出了解决这......
为了验证雷达目标辨识网络存在风险,提升基于辨识网络的雷达目标辨识效果,文中研究了不同雷达目标辨识网络的对抗性样本.针对雷达......
当数据集包含对抗性扰动样本时,其分类结构缺乏稳定性,传统的扰动评估方法效率低且准确率不高.针对该问题,提出一种高效准确的扰动......
近些年来,深度学习及其硬件计算电路的不断发展和演进,使得越来越多的领域开始将基于深度学习算法的相关产品投入实际应用。大量运......
智能交通信号灯系统(I-SIG)正受到越来越多的关注,实际应用中的I-SIG系统在提升交通运行效率方面已经取得了良好的示范效果,正迈入......
当前,机器学习领域内的研究大多关注如何对机器学习的算法、模型进行优化,而忽略了模型的安全性问题。尽管在输入理想的样本时,这......
随着互联网的发展,网络安全成为了目前关注的焦点,保证信息在信道上的隐蔽传输变得更为重要。相比于传统的图像加密技术,使用数字......
近年来,深度强化学习在许多领域都取得了一定的成功并得到了广泛的应用。其应用是否具备承受攻击能力和强抗打击能力也随之成为近......
深度学习技术的兴起,使以深度神经网络作为计算核心的语音识别得到了迅速发展。语音识别的高准确性及便利性吸引智能设备提供商,各......
介绍深度学习算法可靠性面临的安全隐患及对抗性样本对可靠性的影响;分析深度学习算法可靠性评估现状:目前业界缺乏对深度学习算法......
神经网络等机器学习模型在一系列的分类任务中表现突出,其应用也日益广泛。但是有研究表明,神经网络等模型的安全性是很脆弱的,其......