临界转换鲁棒性视角下图像分类对抗样本检测方法的深度探究.docx

临界转换鲁棒性视角下图像分类对抗样本检测方法的深度探究

一、引言

1.1研究背景与动机

近年来，深度学习在图像分类等领域取得了巨大成功，各类基于深度学习的图像分类模型如卷积神经网络（CNN）被广泛应用于自动驾驶、医疗诊断、安防监控等众多关键领域。这些模型在正常情况下能够表现出优异的性能，例如在ImageNet等标准图像数据集上，一些先进的CNN模型能够达到非常高的分类准确率，为人们的生活和工作带来了极大的便利。

然而，深度学习模型也暴露出一个严重的问题，即容易受到对抗样本的攻击。对抗样本是指通过对原始图像添加微小的、人类几乎无法察觉的扰动而生成的样本，但这些样本却能使深度学习模型产