随着对抗样本的危险性日益凸显，提高模型的鲁棒性成为研究的主要方向之一，然而，在评估鲁棒性方面还没有统一的标准，使得不同的防御方法之间对比存在很大的困难。
鲁棒性认证方法-鲁帅原创文章，作者：bfs，如若转载，请注明出处：https://www.isclab.org.cn/2021/09/13/%e9%b2%81%e6%a3%92%e6%80%a7%e8%ae%a4%e8%af%81%e6%96%b9%e6%b3%95/
特定安全领域中的对抗样本防御方法
上一篇
2021年8月31日 上午10:09
日志数据的深度学习异常检测方法
下一篇
2021年9月23日 上午8:24
相关推荐
-
基于网络一致性的对抗样本检测
人工智能系统面临着多种安全威胁，其中对抗样本攻击被广泛应用于诸如计算机视觉、自然语言处理、音频处理以及恶意软件检测等多个领域。本文介绍了常见的对抗样本检测方法和原理。特别的，简单分…
-
单词级文本对抗攻击
本报告介绍了单词级文本对抗攻击（Word-Level Attack）的背景和基本原理，展示了在OpenAttack和TextAttack两类开源工具上的测试样例，并分别讲述了基于义…
-
格式化字符串漏洞
介绍了格式化字符串漏洞的常见形式，以及在Windows32和Linux64下的两种利用思路，可以扩展到其他漏…
-
深度学习系统的自动化测试简介
深度学习（DL）在图像分类、语音识别等领域达到或超过了人类水平的性能，且被广泛应用于安全关键领域中（自动驾驶、恶意软件检测等）。然而一些原因（如训练数据偏差、模型过拟合或欠拟合），…
-
基于网络流量的设备识别
介绍了设备识别的发展历史、各层协议的特征及其优劣性，对两篇关于内网、外网识别的高水平文献进行了讲解，对比了设备识别的主要研究方向，以期帮助初学者快速了解领域内的动态及发展前景。
-
深度神经网络鲁棒性评估方法
本报告介绍了深度神经网络鲁棒性评估方法的基本概念和评估方式，并讲述了两种评估方法，分别从定性分析和定量计算两个角度讲述了如何对鲁棒性进行评估，提升对深度神经网络鲁棒性和评估方法的认…
-
机器学习中的数据不平衡问题
数据不平衡问题是指一个类别的数据个数远远少于另一个类别的数据个数，通常这种问题被称为“数据不平衡”问题，在这…
-
日志数据的深度学习异常检测方法
本报告介绍了利用系统的日志数据进行异常检测所面临的挑战，给出了日志数据分类、用途、实例等基本概念和基础知识，并对日志数据的解析处理和利用日志数据进行异常检测的高水平文献算法进行了详…
-
图半监督学习
图半监督学习是半监督学习中的一种，基于聚类假设和流形假设，利用少量的有标记样本和大量的未标记样本，提高训练得…
