深度学习的对抗攻击方法综述

被引:16
作者
张嘉楠
王逸翔
刘博
常晓林
机构
[1] 北京交通大学智能交通数据安全与隐私保护技术北京市重点实验室
关键词
深度学习; 对抗样本; 安全威胁; 防御技术;
D O I
暂无
中图分类号
TP18 [人工智能理论]; TP309 [安全保密];
学科分类号
081206 [计算机网络与安全]; 140502 [人工智能];
摘要
随着大数据时代的到来,深度学习已经成为当前计算机领域研究和应用最广泛的技术之一,成功应用于数据挖掘、计算机视觉、自然语言处理等领域。虽然深度学习已经在解决复杂问题方面取得了的成功,但是研究表明,其容易受到对抗样本的攻击,导致模型产生不正确的输出,进而影响到实际应用系统的可靠性和安全性。文章回顾了有关深度学习的对抗样本的最新发现,总结了生成对抗样本的攻击方法,最后给出了对抗攻击的未来研究方向。
引用
收藏
页码:87 / 96
页数:10
相关论文
共 3 条
[1]
基于机器学习技术的网络安全防护 [J].
刘金鹏 .
网络空间安全, 2018, 9 (09) :96-102
[2]
机器学习安全性问题及其防御技术研究综述 [J].
李盼 ;
赵文涛 ;
刘强 ;
崔建京 ;
殷建平 .
计算机科学与探索 , 2018, (02) :171-184
[3]
The security of machine learning [J].
Barreno, Marco ;
Nelson, Blaine ;
Joseph, Anthony D. ;
Tygar, J. D. .
MACHINE LEARNING, 2010, 81 (02) :121-148