文档摘要

3.1 对抗样本与鲁棒性崩溃 本节摘要：鲁棒性是系统在噪声、分布变化甚至蓄意扰动下仍可靠的能力。对抗攻击沿模型敏感方向加入人难以察觉的改动，使分类跨越决策边界。白盒攻击能精确算扰动，黑盒攻击靠查询或迁移。停车标志贴纸、对抗眼镜、语音里人耳难辨的指令，属于公开研究演示的威胁类型。防御以对抗训练最常用，但耗算力、常降干净精度，且与新攻击处于持续竞赛。高风险系统必须把鲁棒当成上线门槛，而不是竞赛榜附加分。 会员。《3.1 对抗样本与鲁棒性崩溃》收录于灏天文库文集《AI伦理与安全：未来发展不可忽视的议题》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/442-ai%E4%BC%A6%E7%90%86%E4%B8%8E%E5%AE%89%E5%85%A8%E6%9C%AA%E6%9D%A5%E5%8F%91%E5%B1%95%E4%B8%8D%E5%8F%AF%E5%BF%BD%E8%A7%86%E7%9A%84%E8%AE%AE%E9%A2%98

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流