面向图像数据的对抗鲁棒性综述

摘要：

神经网络的脆弱性是深度学习方法中的关键挑战,获得鲁棒的深度神经网络是网络安全和深度学习的共同目标.然而单一学科得参与并不能有效解决当前面对抗鲁棒性面临的复杂问题.为引起诸多学科对抗鲁棒性研究的兴趣,包括认知科学、人类科学和社会科学.从4个方面总结了对抗性鲁棒性,分别是:对抗攻防、对抗性脆弱的原因、泛化和评估.提出了3 个较为重要的研究方向以及一些开放性问题.解决对抗脆弱性问题需要多学科参与,对抗鲁棒性研究发展需要深度学习模式向开放转变.

关键词：对抗鲁棒性、攻击与防御、鲁棒性评估、可解释性、对抗样本

所属期刊栏目：23

分类号：TH122

资助基金：中国天津市教育委员会联合基金;国家自然科学基金;天津市科技委重大专项

在线出版日期：2023-09-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：10199-10208