| 摘要 | 第3-4页 |
| ABSTRACT | 第4-5页 |
| 第一章 绪论 | 第8-15页 |
| 1.1 研究背景和研究意义 | 第8-9页 |
| 1.2 对抗样本研究现状和技术综述 | 第9-11页 |
| 1.3 图像去噪研究现状 | 第11-12页 |
| 1.4 论文主要研究内容 | 第12-13页 |
| 1.5 拟完成的任务和论文结构 | 第13-15页 |
| 第二章 对抗样本相关知识介绍 | 第15-23页 |
| 2.1 对抗样本概述 | 第15-20页 |
| 2.1.1 相关概念 | 第15页 |
| 2.1.2 主要的对抗样本攻击方式 | 第15-19页 |
| 2.1.3 对抗样本防御 | 第19-20页 |
| 2.2 对抗样本去噪 | 第20-22页 |
| 2.3 总结 | 第22-23页 |
| 第三章 深度残差学习去噪的使用和D-D防御模型的研究 | 第23-39页 |
| 3.1 深度残差学习去噪的利用 | 第23-32页 |
| 3.1.1 卷积神经网络 | 第23-25页 |
| 3.1.2 残差网络原理 | 第25-26页 |
| 3.1.3 激活函数的选择和实验 | 第26-29页 |
| 3.1.4 残差学习去噪的利用 | 第29-32页 |
| 3.2 D-D防御模型的设计 | 第32-37页 |
| 3.2.1 防御体系结构 | 第32-33页 |
| 3.2.2 Detector的设计 | 第33-35页 |
| 3.2.3 Denoiser的设计 | 第35-36页 |
| 3.2.4 理论验证可行性 | 第36-37页 |
| 3.3 模型评价标准的问题和选择 | 第37-39页 |
| 第四章 D-D模型相关实验分析 | 第39-55页 |
| 4.1 实验数据集介绍和预处理 | 第39-41页 |
| 4.2 实验环境 | 第41页 |
| 4.3 模型训练和参数选择 | 第41-43页 |
| 4.3.1 Detector模型训练 | 第41页 |
| 4.3.2 Denoiser模型训练 | 第41-43页 |
| 4.4 实验分析 | 第43-54页 |
| 4.4.1 探测器对抗样本分类实验分析 | 第43-45页 |
| 4.4.2 对抗样本去噪实验分析 | 第45-51页 |
| 4.4.3 D-D模型对抗样本实验 | 第51-54页 |
| 4.5 实验总结 | 第54-55页 |
| 第五章 总结和展望 | 第55-56页 |
| 参考文献 | 第56-59页 |
| 在学期间的研究成果 | 第59-60页 |
| 致谢 | 第60页 |