《身份认证技术(》_第六章 身份认证中对抗性攻击和防御.pptxVIP

目录CONTENTS;01;

;02;02;03;由对抗攻击所生成的有害样本，可以误导模型进行错误分类，人眼无法识别出对抗样本和干净样本。;04;与训练神经网络类似的思想类似。基于优化扰动的攻击方法将对抗样本的生成过程可定义为求解一个优化问题，通过固定模型及其超参数，依据某种优化策略搜索足以改变模型预测的最小扰动。;基于白盒攻击的优越性能以及神经网络的可迁移，基于迁移的攻击旨在利用替代数据集自行训练一个替代神经网络，并对其进行白盒攻击，再将得到的对抗样本用于攻击目标黑盒模型。;05;基于压缩与变换的防御通过对输入数据进行压缩和变换来抵御对抗攻击。压缩操作可以移除输入数据中的微小扰动，而变换操作则改变数据的空间结构，从而达到破坏对抗样本的效果。;基于模型蒸馏的防御通过训练一个更小、更平滑的学生模型来模仿原始复杂的教师模型，从而增强鲁棒性。蒸馏过程减少模型对输入扰动的敏感性，使得微量扰动对模型无效，提高其抵御对抗攻击的能力。;06;;;;;;;07;;