典型文献
基于图像着色的无限制攻击
文献摘要：
深度学习目前被广泛应用于计算机视觉、机器人技术和自然语言处理等领域.然而,已有研究表明,深度神经网络在对抗样本面前很脆弱,一个精心制作的对抗样本就可以使深度学习模型判断出错.现有的研究大多通过产生微小的Lp范数扰动来误导分类器的对抗性攻击,但是取得的效果并不理想.本文提出一种新的对抗攻击方法——图像着色攻击,将输入样本转为灰度图,设计一种灰度图上色方法指导灰度图着色,最终利用经过上色的图像欺骗分类器实现无限制攻击.实验表明,这种方法制作的对抗样本在欺骗几种最先进的深度神经网络图像分类器方面有不俗表现,并且通过了人类感知研究测试.
文献关键词：
对抗攻击;灰度图着色;对抗样本;无限制攻击
中图分类号：
作者姓名：
李世宝;王杰伟;崔学荣;刘建航;黄庭培
作者机构：
中国石油大学(华东)海洋与空间信息学院,山东 青岛 266580;中国石油大学(华东)计算机科学与技术学院,山东 青岛 266580
文献出处：
引用格式：
[1]李世宝;王杰伟;崔学荣;刘建航;黄庭培-.基于图像着色的无限制攻击)[J].计算机与现代化,2022(11):52-59
A类：
无限制攻击,灰度图着色
B类：
图像着色,计算机视觉,机器人技术,自然语言处理,深度神经网络,对抗样本,精心制作,深度学习模型,出错,多通,过产,Lp,范数,误导,分类器,对抗性,对抗攻击,攻击方法,上色,方法指导,欺骗,最先,网络图像,图像分类,不俗,感知研究
AB值：
0.290709
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。
