基于替代模型的批量零阶梯度符号算法

在面向神经网络的对抗攻击领域中,针对黑盒模型进行的通用攻击,如何生成导致多数样本输出错误的通用扰动是亟待解决的问题。然而,现有黑盒通用扰动生成算法的攻击效果不佳,且生成的扰动易被肉眼察觉。针对该问题,以典型卷积神经网络为研究对象,提出基于替代模型的批量零阶梯度符号算法。该算法通过对替代模型集合进行白盒攻击来初始化通用扰动,并在黑盒条件下查询目标模型,实现对通用扰动的稳定高效更新。在CIFAR-10和SVHN两个数据集上的实验结果表明,与基线算法对比,该算法攻击能力显著提升,其生成通用扰动的性能提高了近3倍。

基于差分进化的神经网络通用扰动生成方法

针对超球面通用攻击(HGAA)算法中通用扰动搜索始终限定在空间球面上,不具有球内空间搜索能力的问题,提出一种基于超球面的差分进化算法。该算法将搜索空间扩大到球面内部,并通过差分进化(DE)算法搜索最优球面,从而生成愚弄率更高、模长更低的通用扰动。此外,分析了种群数量等关键参数对该算法的影响,并且测试了该算法生成的通用扰动在不同神经网络模型上的性能。在CIFAR10和SVHN图像分类数据集上进行验证,该算法与HGAA算法相比愚弄率最多提高了11.8个百分点。实验结果表明,该算法扩展了HGAA算法的通用扰动搜索空间,降低了通用扰动的模长,提高了通用扰动的愚弄率。

基于110kV的基建工程项目分析GIS设备的安装与接地

随着我国电气技术的不断发展,电源系统中使用了越来越多的技术和设备,这大大提高了系统的安全性和稳定性。与其他电气设备相比,110kV下的GIS基建工程其单位面积较小、运行可靠性较高、维护时间较长以及密封性能相对较好是其最大特点。正是由于这种设计功能,GIS设备能消除传统交换机的许多特性。

浅析学习专题结构下的历史复习方法

政史是高中学生学习的难点之一,复习在高中政史学习上占据着重要地位。在历史课程的实际学习中,我们学生经常面临着思绪混乱,找不到复习思路的困境,如何制定及时、有效的复习方案,提高历史复习效率是我们必须要解决的问题。文章对学习专题结构下的历史复习方法进行探究,以此来提高学生的复习效率。