[paper]ADVERSARIAL EXAMPLES IN THE PHYSICAL WORLD

本文指出在现实世界的场景下，机器学习系统也是非常脆弱的。并提出了BIM&ILCM算法，可用于现实世界场景下的对抗样本生成。 论文主要内容： 探讨了为在物理世界中运行的机器学习系统创建对抗样本的可能性 提出了两种方法来生成对抗样本，BIM&ILCM： 引入破坏率来表示现实世界中的变换对对抗样本的影响 损失函数—交叉熵损失(这里省略了网络权重 θ \theta θ) J ( X , y ) = − l

>>阅读原文<<