计算机应用研究

作者：刘小垒,罗宇恒,邵林,张小松,朱清新,

单位：电子科技大学a.信息与软件工程学院;b.网络空间安全研究中心,成都611731；

关键词：对抗样本,机器学习,深度学习,

基金：国家自然科学基金资助项目(61572115)；四川省苗子工程创新基金资助项目(2019JDRC0069)；；

基于对抗样本的攻击方法是机器学习算法普遍面临的安全挑战之一。以机器学习的安全性问题为出发点，介绍了当前机器学习面临的隐私攻击、完整性攻击等安全问题，归纳了目前常见对抗样本生成方法的发展过程及各自的特点，总结了目前已有的针对对抗样本攻击的防御技术，最后对提高机器学习算法鲁棒性的方法作了进一步的展望。

来源：2020年第11期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2020年第11期