【论文阅读】Universal Adversarial Perturbation via Prior Driven Uncertainty Approximation

 算法结构： 思路： 认知不确定性解释了最适合训练数据的模型参数的不确定性，如ImageNet。CNN的不确定性可以通过每个convolutional layer上被激活神经元的数量来反映。在模型输出过程中，激活的可信神经元越多，获得的不确定性就越多，从而得到更好的UAP。为此，我们在UAP学习中引入了虚拟模型不确定性，目的是通过蒙特卡罗丢失率(Monte Carlo Dropout, MC Dr

>>阅读原文<<