基本信息

---

下载

文档摘要

---

基于特征选取与优化扰动的对抗样本生成方法研究

一、引言

近年来，随着深度学习技术的迅猛发展，人工智能（）已在各个领域得到广泛应用。然而，其安全问题也随之浮出水面。对抗样本的生成方法正是其中的重要研究方向之一。这类样本针对模型中的脆弱性，通过微小的扰动即可导致模型做出错误的预测。本文旨在研究基于特征选取与优化扰动的对抗样本生成方法，以提高对模型安全性的理解和防范措施。

二、背景与相关研究

对抗样本的研究始于深度学习领域，主要涉及通过添加微小的扰动使模型做出错误的预测。众多研究者针对此问题进行了大量研究，并提出了多种生成对抗样本的方法。然而，这些方法往往忽略了特征选取的重要性，导致生成的对抗样本在