| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 绪论 | 第8-14页 |
| 1.1 研究背景和意义 | 第8-10页 |
| 1.2 国内外发展及现状 | 第10-12页 |
| 1.3 论文主要内容及结构 | 第12-14页 |
| 第二章 相关理论及技术 | 第14-26页 |
| 2.1 神经网络 | 第14-21页 |
| 2.1.1 前馈神经网络 | 第14-17页 |
| 2.1.2 卷积神经网络 | 第17-20页 |
| 2.1.3 图像识别过程 | 第20-21页 |
| 2.2 对抗样本 | 第21-25页 |
| 2.2.1 对抗样本攻击技术 | 第22-24页 |
| 2.2.2 对抗样本存在的原因 | 第24-25页 |
| 2.3 本章小结 | 第25-26页 |
| 第三章 基于Nesterov动量的对抗样本生成方法 | 第26-42页 |
| 3.1 引言 | 第26页 |
| 3.2 问题描述 | 第26-27页 |
| 3.3 Deepfool算法简介 | 第27-31页 |
| 3.3.1 Deepfool算法 | 第27-30页 |
| 3.3.2 Deepfool算法的缺陷 | 第30-31页 |
| 3.4 NM-Deepfool算法 | 第31-36页 |
| 3.4.1 Nesterov动量优化算法 | 第31-35页 |
| 3.4.2 算法流程 | 第35-36页 |
| 3.5 实验结果及分析 | 第36-41页 |
| 3.5.1 实验设置 | 第36-37页 |
| 3.5.2 攻击能力评估 | 第37-39页 |
| 3.5.3 衰减因子 | 第39-40页 |
| 3.5.4 对抗样本视觉效果 | 第40-41页 |
| 3.6 本章小结 | 第41-42页 |
| 第四章 基于颜色通道信息扰动的语义对抗样本生成方法 | 第42-58页 |
| 4.1 引言 | 第42页 |
| 4.2 问题描述 | 第42-43页 |
| 4.3 形状偏好特性 | 第43-45页 |
| 4.3.1 人类视觉的形状偏好 | 第43-44页 |
| 4.3.2 神经网络的形状偏好 | 第44-45页 |
| 4.4 基于颜色通道信息扰动的语义对抗样本生成 | 第45-52页 |
| 4.4.1 视觉基础与颜色模型 | 第46-49页 |
| 4.4.2 基于CMY颜色模型变换的语义对抗样本 | 第49-50页 |
| 4.4.3 基于HSI颜色模型变换的语义对抗样本 | 第50-52页 |
| 4.5 实验结果及分析 | 第52-57页 |
| 4.5.1 实验设置 | 第52页 |
| 4.5.2 攻击能力评估 | 第52-54页 |
| 4.5.3 迭代攻击次数N | 第54-55页 |
| 4.5.4 扰动因子δ_H和δ_S | 第55-56页 |
| 4.5.5 对抗样本视觉效果 | 第56-57页 |
| 4.6 本章小结 | 第57-58页 |
| 第五章 总结与展望 | 第58-60页 |
| 5.1 总结 | 第58-59页 |
| 5.2 展望 | 第59-60页 |
| 参考文献 | 第60-63页 |
| 附录1 攻读硕士学位期间撰写的论文 | 第63-64页 |
| 致谢 | 第64页 |