文档摘要

第 1 章 · 对抗机器学习基础理论 章节摘要：在讲具体攻防技术前，先建立对"模型脆弱性"的根本认知。这一章讲两件事：一是 AI 系统为什么会被对抗样本欺骗——根源在于高维空间的线性特性、模型的局部敏感、以及训练分布与真实分布的差距；二是怎么系统地描述威胁——威胁模型（攻击者知道什么、能做什么、目标是什么）是评估和防御的前提，攻防分类（白盒/黑盒/灰盒、定向/非定向、毒化/逃避）帮助我们理解不同攻击的全貌。 会员。《第1章 · 对抗机器学习基础理论》收录于灏天文库文集《AI安全与对抗机器学习》，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/649-ai%E5%AE%89%E5%85%A8%E4%B8%8E%E5%AF%B9%E6%8A%97%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0

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