FGSM(Fast Gradient Sign Method)生成对抗样本(32)---《深度学习》
来源:互联网 发布:美恰软件 编辑:程序博客网 时间:2024/05/21 18:50
利用FGSM方法生成对抗样本的基本原理如下图所示,通过对原始图片添加噪声来使得网络对生成的图片X’进行误分类,需要注意的是,生成图片X’和原始图片X很像,人的肉眼无法进行辨别,生成的图片X’即为对抗样本!
注意是对X’求偏导,并非X,而且注意loss函数J中的参数是X’和Y’,而不是X和Y!
X’=X+ε*sign(∇X’J(θ,X’,Y’))
现在
我们需要考虑如何产生噪声η,有很多种的方法,这里我们采用的是Fast Gradient Sign Method,即通过在梯度方向上进行添加增量来诱导网络对生成的图片X’进行误分类,我们可以通过指定我们期待的分类使得网络针对任何输入图片均产生指定分类的对抗样本,同时也可以不指定期待的分类,只需要使得生成的图片被网络识别为与正确分类不同的分类即可!
针对指定预期分类的对抗样本生成来说,我们需要更改它的loss损失函数,交叉熵损失函数变为:loss = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=y_logits, labels=[pl_cls_target]),通过计算网络对于参数的梯度进行噪声的生成即对抗样本的生成!
推荐:
1)交叉熵代价函数(损失函数)及其求导推导
2)对抗样本与对抗训练
3)手把手教你使用TensorFlow生成对抗样本 | 附源码
4)TensorFlow 教程 #11 - 对抗样本
阅读全文
0 0
- FGSM(Fast Gradient Sign Method)生成对抗样本(32)---《深度学习》
- 深度学习之对抗样本问题
- 深度神经网络中的对抗样本与学习
- 深度学习对抗样本的八个误解与事实
- 深度学习对抗样本的八个误解与事实
- 对抗样本和深度对抗网络
- 深度学习(四十五)条件对抗网络
- 深度学习(五十三)对抗网络
- 对抗样本与生成式对抗网络
- 对抗样本与生成式对抗网络
- 生成对抗网络 - Adversarial Examples 对抗样本
- 对抗样本与生成式对抗网络
- 对抗样本与生成式对抗网络
- 《白话深度学习与Tensorflow》学习笔记(6)生成式对抗网络(GAN)
- 使用TensorFlow生成对抗样本
- 生成对抗网络(GAN)简单入门(33)---《深度学习》
- 深度学习笔记一:生成对抗网络(Generative Adversarial Nets)
- 深度学习之生成对抗网络GAN
- Go Context包使用
- C#model类与XML转换类
- 使用python实现正整数的阶乘
- LMA和VMA
- 前端小白--CSS实现水平垂直居中
- FGSM(Fast Gradient Sign Method)生成对抗样本(32)---《深度学习》
- Vegas文字投影的模糊效果怎么制作?
- Unity响应Android的返回键,Home键
- Android bat批处理自动执行adb shell命令
- NFS开发环境搭建
- ELK=Elasticsearch+Logstash+kibana
- Ajax+asp.net无刷新验证用户名的几种方法
- Java基础之final
- 记一次才过的坑:label嵌套input