面向数字图像的人工智能安全 | 浏览量 : 0 下载量: 270 CSCD: 0
  • 导出

  • 分享

  • 收藏

  • 专辑

    • 对抗样本生成、防御与应用研究综述

    • Adversarial example generation, defense, and application

    • 深度神经网络在各领域广泛应用,但对抗样本威胁其可靠性和安全性。专家将对抗攻击技术分为白盒和黑盒攻击,详细介绍了对抗防御策略,为提升深度神经网络安全性提供解决方案。
    • 2026年31卷第1期 页码:62-81   

      收稿:2024-12-16

      修回:2025-05-20

      录用:2025-06-10

      纸质出版:2026-01-16

    • DOI: 10.11834/jig.240732     

    移动端阅览

  • 张家伟, 吴昊, 袁霖, 王昊, 程鑫, 罗向阳, 马宾, 王金伟. 2026. 对抗样本生成、防御与应用研究综述. 中国图象图形学报, 31(1):0062-0081 DOI: 10.11834/jig.240732.
    Zhang Jiawei, Wu Hao, Yuan Lin, Wang Hao, Cheng Xin, Luo Xiangyang, Ma Bin, Wang Jinwei. 2026. Adversarial example generation, defense, and application. Journal of Image and Graphics, 31(1):0062-0081 DOI: 10.11834/jig.240732.
  •  
  •  
文章被引用时,请邮件提醒。
提交

相关作者

王金伟 南开大学 网络空间安全学院
马宾 齐鲁工业大学 网络空间安全学院
罗向阳 数学工程与先进计算国家重点实验室
程鑫 南京信息工程大学 计算机学院、网络空间安全学院
王昊 淮阴工学院 计算机与软件工程学院
袁霖 重庆邮电大学 网络空间安全与信息法学院
吴昊 数学工程与先进计算国家重点实验室
张家伟 重庆邮电大学 网络空间安全与信息法学院

相关机构

重庆邮电大学 网络空间安全与信息法学院
南开大学 网络空间安全学院
澳门大学科技学院电脑及资讯科学系
西安电子科技大学计算机科学与技术学院
西安理工大学计算机科学与工程学院
0