首个通用对抗攻击样本库 DAmageNet

背景 对抗攻击能够生成与原图非常接近，但被神经网络以高置信度错分的样本，对于网络的稳健性分析与提升都具有重要的意义，成为了近年来的研究重点。当前大部分对抗攻击属于白盒攻击，即需要完全知道被攻击网络的参数与特性。黑盒攻击的研究取得了一些进展，但仍需多次访问黑盒模型，或依赖被攻击网络与己方网络间的强相似性。因此，迄今的攻击方法无法产生通用攻击样本数据库。 数据集 通过对网络共同语义弱点的分析，我们成功

>>阅读原文<<