基于自动稀释的文本对抗攻击强化方法

  • 打印
  • 收藏
收藏成功
微博 QQ空间 微信


打开文本图片集

摘要：使用对抗样本进行训练可以提升深度神经网络的鲁棒性，因此提升对抗攻击成功率是对抗样本研究领域的一个重要内容. 对原始样本进行稀释操作可以使其更靠近模型的决策边界，进而提高对抗攻击的成功率. 然而，现有稀释算法存在基于人工生成的稀释池和稀释目标词性单一等问题，因此，提出了一种基于自动稀释的文本对抗（剩余1539字）

试读结束

目录
monitor