首页|基于Grad-CAM的Mask-FGSM对抗样本攻击

基于Grad-CAM的Mask-FGSM对抗样本攻击

MASK-FGSM ADVERSARIAL SAMPLES ATTACK BASED ON GRAD-CAM

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 维普
  • 万方数据
深度学习缺乏可解释性,其容易受到对抗性样本的攻击.对此引入一种深度学习可解释性模型Grad-CAM(Gradient-weighted Class Activation Mapping),通过神经网络输入和输出之间的映射关系得到输入的热力图,结合FGSM(Fast Gradient Sign Method)引入一种高效的算法来生成对抗样本.实验证明,该算法能够挖掘潜在的最佳攻击位置,仅需要修改3.821％的输入特征,就能有效生成使得神经网络错误分类的对抗样本,充分验证了该算法的高效性.

余莉萍

展开 >

复旦大学计算机科学技术学院 上海201203

深度学习 Grad-CAM FGSM 可解释性 对抗样本

2022

10.3969/j.issn.1000-386x.2022.07.030

计算机应用与软件
上海市计算技术研究所 上海计算机软件技术开发中心

计算机应用与软件

CSTPCD北大核心
影响因子：0.615
ISSN：1000-386X
年,卷(期)：2022.39(7)
  • 1
  • 1