典型文献
深度学习模型鲁棒性研究综述
文献摘要：
在大数据时代下,深度学习理论和技术取得的突破性进展,为人工智能提供了数据和算法层面的强有力支撑,同时促进了深度学习的规模化和产业化发展.然而,尽管深度学习模型在现实应用中有着出色的表现,但其本身仍然面临着诸多的安全威胁.为了构建安全可靠的深度学习系统,消除深度学习模型在实际部署应用中的潜在安全风险,深度学习模型鲁棒性分析问题吸引了学术界和工业界的广泛关注,一大批学者分别从精确和近似的角度对深度学习模型鲁棒性问题进行了深入的研究,并且提出了一系列的模型鲁棒性量化分析方法.在本综述中,我们回顾了深度学习模型鲁棒性分析问题当前所面临的挑战,并对现有的研究工作进行了系统的总结和科学的归纳,同时明确了当前研究的优势和不足,最后探讨了深度学习模型鲁棒性研究以及未来潜在的研究方向.
文献关键词：
深度学习;对抗样本;鲁棒性分析;人工智能安全
中图分类号：
作者姓名：
纪守领;杜天宇;邓水光;程鹏;时杰;杨珉;李博
作者机构：
浙江大学计算机科学与技术学院 杭州 310027;浙江大学控制科学与工程学院 杭州 310027;华为新加坡研究所 新加坡 138589 新加坡;复旦大学计算机科学技术学院 上海 201203;伊利诺伊大学香槟分校计算机科学学院 厄巴纳香槟 61822 美国
文献出处：
引用格式：
[1]纪守领;杜天宇;邓水光;程鹏;时杰;杨珉;李博-.深度学习模型鲁棒性研究综述)[J].计算机学报,2022(01):190-206
A类：
B类：
深度学习模型,模型鲁棒性,深度学习理论,数据和算法,产业化发展,现实应用,出色,安全威胁,建安,深度学习系统,鲁棒性分析,分析问题,工业界,一大批,时明,优势和不足,对抗样本,人工智能安全
AB值：
0.251666
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
