对抗性扰动第23页

机器学习HW10对抗性攻击

机器学习HW10对抗性攻击一、任务描述二、算法1、FGSM2、I-FGSM3、MI-FGSM4、多种输入（DIM）评估指标三、实验1、SimpleBaseline2、MediumBaseline3、StrongBaseline4

Raphael9900·2023-01-03 09:49

再战FGM！Tensorflow2.0 自定义模型训练实现NLP中的FGM对抗训练代码实现

TF版本2.2及以上defcreat_FGM(epsilon=1.0):@tf.functiondeftrain_step(self,data):'''计算在embedding上的gradient计算扰动在

是算法不是法术·2023-01-02 13:07

FGM对抗训练

对抗样本：对输入增加微小扰动得到的样本。旨在增加模型损失。对抗训练：训练模型去区分样例是真实样例还是对抗样本的过程。对抗训练不仅可以提升模型对对抗样本的防御能力，还能提升对原始样本的泛化能力。1、FG

Mr.奇·2023-01-02 13:06

【综述】NLP 对抗训练（FGM、PGD、FreeAT、YOPO、FreeLB、SMART）

在对抗训练中关键的是需要找到对抗样本，通常是对原始的输入添加一定的扰动来构造，然后放给模型训练，这样模型就有了识别对抗样本的能力。

大白羊_Aries·2023-01-02 13:06

FGM-对抗训练

1.加入对抗训练的目的对抗训练经常用在CV领域和NLP领域，是一种引入噪声的训练方法，在尽量不改变原样本的分布，对样本增加扰动，使得模型能够忽视这种扰动，从而提升模型的鲁棒性和在下游任务的泛化性。

幸运满当当ღ·2023-01-02 13:05

NLP几种常用的对抗训练方法

对抗训练旨在对原始输入样本xxx上施加扰动radvr_{adv}radv，得到对抗样本后用其进行训练：公式理解：最大化扰

华师数据学院·王嘉宁·2023-01-02 13:03

项目5-迁移学习

文章目录项目5-迁移学习项目描述数据集介绍项目要求数据准备环境配置/安装场景和为什么要进行领域对抗性训练神经网络的领域对抗训练(DaNN)数据可视化特殊领域知识Canny边缘检测数据处理模型预处理开始训练如何实作

一条大蟒蛇6666·2023-01-02 10:59

【硬核书】机器学习对抗鲁棒性

来源：专知本文为书籍介绍，建议阅读5分钟本书介绍了对抗性攻击、防御和验证的常用算法。机器学习的对抗性鲁棒性综述了该课题的最新进展，介绍了对抗性攻击、防御和验证的常用算法。

数据派THU·2023-01-02 00:24

通过随机平滑验证对抗鲁棒性

1引言当前很多研究工作提出了用于训练分类器的启发式算法，其目的是使分类器对对抗扰动具有一定鲁棒性。然而，这些启发式算法中的大多数算法缺乏相应的理论基础做支撑。

鬼道2022·2023-01-02 00:24

寒假博客日记——第二天

今天晚上尝试写了一下一致性正则化，所谓一致性，是指输出、预测的一致性，如前所述，给输入添加极小的扰动后，神经网络的预测就会发生很大的变化，所以提高一致性后就能提高模型的泛化能

圆大侠·2023-01-01 14:10

图自监督学习综述：Graph Self-Supervised Learning A Survey

基于监督学习和半监督学习的方法存在一些缺陷：人工标注耗时耗力；泛化性能可能较差，尤其是训练数据稀缺的时候；鲁棒性较差，可能受到标签相关的对抗性攻击。

斯曦巍峨·2023-01-01 13:49

深度学习笔记-----增加网络不变性的方法（对空间变换网络和数据增强的方法进行了总结）

2.2.2STN是什么（What）2.2.3STN是怎么做的（How）2.2.4STN小结3从数据中学习不变性3.1空间转换（随机尺寸，裁剪，翻转，旋转任意角度...）3.2像素内容变换（亮度，色度，饱和度，颜色扰动等

YOULANSHENGMENG·2023-01-01 13:45

2022.7.23可行AI会议记录-1（目前只有物理对抗部分）

会议记录物理世界下的智能对抗攻防来源背景挑战：对抗样本攻击数字世界攻击与物理世界攻击物理对抗研究问题主要挑战研究内容1：基于偏见的物理对抗方法研究内容2：基于注意力抑制的物理对抗攻击方法基于关键模式的对抗防御方法基于语音快速扰动的物理对抗攻击方法总结与展望物理世界下的智能对抗攻防来源背景近年来人工智能产业的快速发展带来了不小的安全隐患

spikes·2023-01-01 07:12

论文复现-1：Perturbation CheckLists for Evaluating NLG Evaluation Metrics

以data2text任务为例，探讨generationmetric矩阵对于一些句子扰动是否敏感，在多个维度上的敏感性如何？

QianTu&·2023-01-01 07:33

人工智能的鲁棒性分析

一般有两种影响模型鲁棒性的威胁模型：正常环境扰动对模型可靠性的影响，比如光线亮度、对比度等包括样本采集中的误差等。在输入数据与训练数据的分布有偏移的时候，模型给出错误的判断所造成的安全威胁。

dirtyboy6666·2022-12-31 09:16

滑模控制理论（SMC）概述

滑模控制的一个优势是无视外部扰动和不确定参数，采用一种比较“暴力”的方式达到控制的目的。其思想和反步法有些类

高能阿博特·2022-12-31 06:38

2022年圣诞节 | matlab实现炫酷的圣诞树

运行该函数时，它使用圆柱函数创建圣诞树的3D表面，对树冠应用随机扰动，并使用surfl函数绘制树。树以当前轴（gca）绘制，并为绘图指定颜色图和照明。

早起CaiCai·2022-12-30 12:26

深度学习-权重衰减+丢弃法

丢弃法一个好的模型需要对输入数据的扰动鲁棒，丢弃法就是在层之间加入噪音。总结：丢弃法将一些输出项随机置零来控制模型的复杂度

一只乐观的叮当猫·2022-12-30 10:44

MULTI-MODAL ROBUSTNESS ANALYSIS AGAINST LANGUAGE AND VISUAL PERTURBATIONS

然而，这些方法对现实世界扰动的鲁棒性尚未研究。在这项工作中，我们对这些模型进行了第一次广泛的鲁棒性研究，研究对象是视频和语言。

Tsukinousag1·2022-12-30 07:35

【流程工业生产运行的“疑难杂症”，“自主运行”来解决！】

然而，装置级自动化技术的提升，并没有让工厂操作人员完全摆脱对手动控制的依赖，意外的参数扰动很有可能造成操作不当、报警泛滥，引发生产过程失衡甚至非计划停车。

姒妫solo·2022-12-29 17:32

【CVPR2022 BoostMIS 论文笔记】自适应伪标记和信息主动标注的医学图像半监督学习

目录摘要1Introduction目的贡献3Method3.1公式化符号3.2医学图像任务模型3.3基于一致性的自适应标签传播器3.4对抗性不稳定选择器3.5平衡不确定性选择器3.6训练算法4实验4.2

葡萄柚籽·2022-12-29 16:08

ATLAS——对抗性机器学习威胁矩阵＜案例研究一＞

AdversarialMLThreatMatrix——对抗性机器学习威胁矩阵＜案例研究一＞前言EvasionofDeepLearningdetectorformalwareC&Ctraffic案例摘要矩阵映射侦察

HENECIA_AQ·2022-12-29 15:30

高被引Top1团队综述：Adversarial Attacks and Defenses in Images, Graphs and Text: A Review【论文翻译】

人为稍微扰动模型的输入，可能导致模型给出完全相反的预测结果，从而出现差之毫厘、失之千里的错误。从此，对于深度模型在对抗样本的鲁棒性的研究成为机器学习的热门话题之一。

honor、·2022-12-29 15:17

AF-GCL：不需要增强的图对比学习

作者发现，图的增强能够保存图的低频部分，而扰动图的高频部分，因此图对比学习模型往往能在同质图上

PaperWeekly·2022-12-29 13:28

对抗性神经网络百度百科,对抗神经网络可以通过

深度学习什么是对抗式神经网络？对抗式神经网络GAN让机器学会“左右互搏”GAN网络的原理本质上就是这两篇小说中主人公练功的人工智能或机器学习版本。一个网络中有两个角色，修炼的过程中左手扮演攻方，即生成器(generator)，试图生成和自然世界中拟完成任务足够相似的目标;右手扮演守方，即判别器(discriminator)，试图把这个假的、生成的目标和真实目标区分开来。经过反复多次双手互搏，左手右

普通网友·2022-12-28 13:57

对抗网络学习-FGSM对抗样本生成

为什么这样轻微的扰动可以对神经网络造成如此大的影响，业界目前的共识认为这不是过拟合的结果，而是因为输入特征维度过高和模型的线性性质导致的。深度模型本实确实是

Vampont·2022-12-28 13:54

对抗样本生成算法之FGSM算法

背景-对抗样本的线性解释对于线性模型，f(x)=wTx+bf(x)=w^Tx+bf(x)=wTx+b，对原始样本xxx添加扰动η\etaη得到对抗样本xˉ=x+η\bar{x}=x+\etaxˉ=x+η

学-evday·2022-12-28 13:20

SimGCL:Are Graph Augmentations Necessary? Simple GraphContrastive Learning for Recommendation 论文代码解读

只想做个咸鱼·2022-12-28 07:28

【论文阅读】AD-GCL：Adversarial Graph Augmentation to Improve Graph Contrastive Learning

目录摘要1引言2准备工作2.1学习图表示2.2GNNs2.3互信息最大化3对抗性图对比学习3.1AD-GCL的理论动机及制定3.2通过可学习的边缘扰动实例化AD-GCL3.2.1可学习的EdgeDroppingGDA

Cziun·2022-12-28 07:52

[论文翻译]数据集的domian问题:Intramodality Domain Adaptation Using Self Ensembling and Adversarial Training

论文pdf下载:链接IntramodalityDomainAdaptationUsingSelfEnsemblingandAdversarialTraining使用自集成和对抗性训练的模式域内适应Abstract.Advancesindeeplearningtechniqueshaveledtocompellingachievementsinmedicalimageanalysis.However

玖零猴·2022-12-27 21:28

CVPR 2021 TransGAN: Two Transformers Can Make One Strong GAN

生成性对抗性网络（GANs）在众多任务中获得了相当大的成功，包括图像合成，图像翻译和图像编辑。

smile909·2022-12-27 21:36

Boosting Black-Box Attack with Partially Transferred Conditional Adversarial Distribution

这项工作研究了针对深度神经网络(DNN)的黑盒对抗性攻击，其中攻击者只能访问被攻击的DNN模型返回的查询反馈，而模型参数或训练数据集等其他信息是未知的。

你今天论文了吗·2022-12-27 09:03

Generative Adversarial Active Learning生成性对抗性主动学习文献笔记

文献1702.07956.pdf(arxiv.org)生成性对抗性主动学习介绍这是第一个使用GAN的主动学习工作，在它之后的GAN主动学习有不少，所以是首创性的工作，部分涉及分类的内容一笔带过。

小鼠太郎·2022-12-26 23:02

2018ECCV：Attention-Aware Deep Adversarial Hashing for Cross-Modal Retrieval 论文笔记

为了进一步解决这个问题，我们提出了一个带有注意机制的对抗性哈希网络，通过选择性地关注多模态数据的信息部分，来增强内容相似性的测量。

彦祖琦·2022-12-26 14:48

matlab系统稳态误差终值,matlab求稳态误差

15§3-6线性系统的稳态误差分析1、稳态误差的定义;2、稳态误差的一般计算方法;3、静态误差系数法;4、动态误差系数法;5、扰动作用下的稳态误差计算。...

陶斯琴·2022-12-26 14:12

首先阐述了光伏电池的工作原理及其数学模型，根据数学模型在 MATLAB仿真软件中搭建了光伏电池的工程通用仿真模型

控制算法的工作原理，比较了4种常用控制算法的优缺点，针对单一控制算法无法兼顾跟踪精度和响应速度的问题，分析了基于扰动观察法的模糊控制?mppt?组合算法并提出了一种

「已注销」·2022-12-26 08:00

基于模型预测控制MPC的光伏并网系统设计|太阳能发电|模型预测控制

再者，针对功率波动、电流震荡与延时等问题，利用改进的扰动跟踪法对最大功率点进行跟踪，采用2个采样周期预测值对计算和采样导致的延时进行补偿，有功功率能根据光照强度

Ezekiel Mok·2022-12-26 08:00

扰动matlab,扰动材料力学有限元分析：基于MATLAB编程

扰动材料力学有限元分析：基于MATLAB编程出版时间：2010年版内容简介《扰动材料力学有限元分析：基于MATLAB编程》重点论述二元扰动态理论(theoryofdualitydisturbance，tdd

weixin_39758956·2022-12-25 15:53

振动力学——1.单自由度系统自由振动

1.单自由度系统无阻尼自由振动图1-1单自由度系统单自由度系统如图1-1所示，设x为质量块位置，以质量块静平衡位置为原点，λ为静变形，当受到初始扰动时，有牛顿第二定律，得：(1-1)由于静平衡位置有：(

山上的小酒馆·2022-12-25 07:54

Fast-LIO理论学习

Fast-LIO学习记录IMU离散状态传播滤波更新先验分布最大后验估计参考资料IMU离散状态传播Fast-LIO的离散方程（公式(7)）考虑了旋转扰动时的雅可比，其推导如下：旋转δθi+1=Log(Ii

草还丹·2022-12-24 17:45

Lime算法总结--可解释性机器学习算法总结

假设对于需要解释的黑盒模型，取关注的实例样本，在其附近进行扰动生成新的样本点，并得到黑盒模型的预测值，基于新的数据集训练可解释的模型来得到对黑盒模型良好

南京比高IT·2022-12-24 14:51

一种对抗性攻击的方法AdvDrop

AdvDrop:AdversarialAttacktoDNNsbyDroppingInformation论文解读代码参考：https://github.com/RjDuan/AdvDrop提出了一种新的对抗性的攻击

向上的阿鹏·2022-12-23 21:56

论文那些事—NESTEROV ACCELERATED GRADIENT AND SCALEINVARIANCE FOR ADVERSARIAL ATTACKS

NESTEROVACCELERATEDGRADIENTANDSCALEINVARIANCEFORADVERSARIALATTACKS（ICRL2020,NI-FGSM,SIM）1、摘要在本文中，我们从将对抗性例子的生成作为一个优化过程的角度出发

凉茶i·2022-12-23 21:54

论文那些事—ComDefend: An Efficient Image Compression Model to Defend Adversarial Examples

ComDefend:AnEfficientImageCompressionModeltoDefendAdversarialExamples（CVPR2019）1、摘要在本文中，我们提出了一种端到端的图像压缩模型来防御对抗性示例

凉茶i·2022-12-23 21:24

【论文笔记】AdvDrop: Adversarial Attack to DNNs by Dropping Information

Motivation我们都知道对抗扰动是在图片上添加了一些对DNN有意义但对人类无意义且大多数时间无法察觉的特征。反过来想，如果删除一些人类无法察觉但对DNN至关重要的特征呢？

kaguya1004·2022-12-23 21:22

AdvDrop——一种通过丢弃频域信息的对抗样本

参考代码AdvDrop参考代码对抗样本：在原始样本添加一些人眼无法察觉的扰动（这样的扰动不会影响人类的识别，但是却很容易愚弄模型），致使深度学习模型做出错误的判断。

AuroraGengi·2022-12-23 21:52

论文那些事—AdvDrop: Adversarial Attack to DNNs by Dropping Information

这不就满足了对抗样本的两个特性：1、人眼无法察觉对图片的改动2、使机器能够识别错误为此，我们提出了一种新的对抗性攻击，名为AdvDrop，它通过删

凉茶i·2022-12-23 21:21

Kaggle练习赛Spaceship Tantic 数据探索（下）规律一致性分析与对抗性验证

Kaggle练习赛SpaceshipTantic数据探索（下）规律一致性分析与对抗性验证首先对数据进行一下简单的处理。

寒武纪003·2022-12-22 17:26

2022年 SecXOps 安全智能分析技术白皮书附下载地址

APT攻击有着复杂度高、对抗性强、特征隐蔽等特点，通常由有国家背景的相关攻击组织发起，实施窃取国家机密、重要企业的有价值商业信息、破坏网络基础设施

securitypaper·2022-12-22 16:54

Simple Yet Effective Graph Contrastive Learning for Recommendation

尽管它们取得了成功，但大多数现有的图对比学习方法要么在用户-项目交互图上执行随机增强(例如，节点/边缘扰动)，要么依赖基于启发式的增强技术(例如，用户聚类)来生成对比视图。

回锅肉炒肉·2022-12-22 14:48

推荐频道

对抗性扰动