深度学习中的对抗样本攻击技术

作为人工智能核心的深度学习技术目前已被广泛应用于自然语言处理、机器视觉、决策推理等领域。相比于以往深度学习更加关注模型或算法的效率和性能,当前深度学习面临的安全问题也成为学术界研究的焦点,尤其是对抗样本攻击更是对深度学习的安全性和鲁棒性造成了影响。本文在对对抗样本的概念及其成因介绍的基础上,重点对对抗样本的分类方法、生成方法进行了分析和阐述,并给出了相关对比结果。最后论文从应用角度对对抗样本的作用进行了分析与总结,给出了未来对抗样本攻击的重点研究领域。