典型文献
基于深度神经网络的对抗样本攻击与防御方法研究
文献摘要：
[目的/意义]在大数据时代下,深度学习模型往往容易受到微弱扰动的影响,致使结构的稳定性发生变化,从而出现信息安全和网络安全问题.通过研究神经网络对抗样本的攻击与防御方法,有效地优化网络模型,提升对抗样本攻击与防御能力,进而维护网络安全.[方法/过程]通过对深度神经网络相关研究文献的阅读和相关代码成果的复现,根据运行结果对模型优化,归纳总结各种模型对抗攻击与防御能力和方式,并进行分类探究.[结果/结论]针对深度神经网络模型攻击与防御方法,指出了存在的开放性问题和若干个优化方向,为在数据安全和网络空间安全的开放、动态和对抗环境中的鲁棒性,提供了一定的参考建议.
文献关键词：
深度神经网络;对抗样本;对抗攻击与防御;鲁棒性;网络安全
中图分类号：
作者姓名：
钱申诚;文宇恒;马耀飞;毛鑫唯
作者机构：
国际关系学院网络空间安全学院,北京100019
文献出处：
引用格式：
[1]钱申诚;文宇恒;马耀飞;毛鑫唯-.基于深度神经网络的对抗样本攻击与防御方法研究)[J].网络空间安全,2022(05):77-86
A类：
微弱扰动,对抗攻击与防御
B类：
对抗样本攻击,防御方法,深度学习模型,致使结构,网络安全问题,网络对抗,防御能力,代码,复现,模型优化,分类探究,深度神经网络模型,模型攻击,开放性问题,若干个,优化方向,网络空间安全,参考建议
AB值：
0.257347
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。
