有哪些对抗攻击方法可以一览无遗？

本文共计977个文字，预计阅读时间需要4分钟。

神网络在过去的几年和几十年取得了长足的进步，其应用已渗透到我们生活的各个角落。但与此同时，也有人发现神网络并不像我们预期的那样具有浪漫性，仅限于‘神’。

神经网络在过去的几年和几十年已经获得了长足的进步，神经网络的应用已经遍布我们生活的各个角落。但是与此同时，也有人发现神经网络并不像我们预期的那么具有鲁棒性，仅仅在图片中添加一个微笑的扰动就可以改变神经网络最后的预测结果，这些技术被称为对抗攻击。 背景

神经网络在过去的几年和几十年已经获得了长足的进步，神经网络的应用已经遍布我们生活的各个角落。但是与此同时，也有人发现神经网络并不像我们预期的那么具有鲁棒性，仅仅在图片中添加一个微笑的扰动就可以改变神经网络最后的预测结果，这些技术被称为对抗攻击。对抗攻击是指在干净的图片中添加微小的扰动，使神经网络（DNN）产生误判，但人的肉眼却无法察觉的一项技术，最早是在Szegedy等人在《Intriguing properties of neural networks》中提出。

在这篇论文发表后，就激起了大家对对抗攻击研究的热情，于是就不断的有新的对抗攻击方法被提出，力求将网络攻击后的准确率攻击的越低越好，但与此同时，又不断的有人提出了如何改进模型结构或者新的训练方法，来提升模型面对各种对抗攻击方法时的鲁棒性，随着大家的不断深入的研究，这也变成了一个功与防，矛与盾的问题。接下来，我也将对我了解到了攻击或者防御方法做一个大概的梳理。