【迁移攻击笔记】图像＆模型同时迁移2017Universal adversarial perturbations

核心思想： 这篇17年的文章核心思想很简单： 初始化v=0没有扰动，然后对于每个样本加上扰动v后： 分类错误，则下一个样本; 分类正确，寻找一个微小的扰动 ，使得分类错误。 不断重复，直到在这样本中错误样本满足错误率。 所以可以理解成最原始最暴力的迁移攻击方法。然而最原始最暴力的方法往往也是最泛用的，所以对全数据集全网络都能通用。 算法和示意图如下： 图像迁移和网络迁移结果如下： 数学解释： 首先

>>阅读原文<<