简介 参考Pytorch官方的代码Adversarial Example Generation 参数设置(main.py) # 模型选择：GPUdevice = 'mps' if torch.backends.mps.is_available() else 'cpu'# 数据集位置dataset_path = '../../../Datasets'batch_size =

论文摘要 AdversarialExample的延伸，表明不仅仅只有NeuralNetwork有这种现象，在此文章之前对该问题的解释集中在nonlinearity和overfitting上。但是本文提出这些算法对于对抗样本脆弱性的主要原因正是在于它们线性的本质。并通过定量分析来解释Adversarial Example在不同架构不同数据集能够work的原因。并以此提出一种快速产生Adversar