论文部分内容阅读
近年来对抗性攻击和对抗性防御的研究受到了广泛的关注,并有了大量的应用.由于对样本的细小扰动可以改变识别效果,神经网络因而缺少鲁棒性.基于注意力机制的投影梯度算法,研究对抗样本的攻击方法.采用基于梯度加权类激活映射图寻找特殊区域,并添加噪声扰动,实现对抗性攻击.使用MNIST、CIFAR-10和ImageNet数据集,以VGG19、VGG16、Resnet50和Resnet18、inception＿v3和Densenet作为目标模型.针对mini ImageNet数据集的攻击成功率达到96.3%,比FGSM攻击算法提高了23.4%的成功率,并减少干扰区域,不容易被肉眼察觉,具有更好的攻击效果.