多域特征混合增強(qiáng)對(duì)抗樣本遷移性方法

摘要： 目的 對(duì)抗樣本對(duì)深度神經(jīng)網(wǎng)絡(luò)（deep neural network,DNN）的安全性構(gòu)成了重大威脅，此現(xiàn)象引起了廣泛的關(guān)注。當(dāng)前許多黑盒對(duì)抗攻擊方法普遍存在一個(gè)問題：它們僅在空間域或頻率域單一域中進(jìn)行對(duì)抗攻擊，生成的對(duì)抗樣本無法充分利用目標(biāo)模型在其他域中的潛在脆弱性，導(dǎo)致對(duì)抗樣本的遷移性不佳。為此，提出一種多域特征混合增強(qiáng)對(duì)抗樣本遷移性方法（multiple domain f... （共14頁）