基于分类器逆向学习的最小代价检测规避方法研究
| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第一章 绪论 | 第10-17页 |
| 1.1 课题背景及研究的目的和意义 | 第10-12页 |
| 1.2 国内外研究现状综述 | 第12-15页 |
| 1.2.1 对分类器攻击的传统方法 | 第12-13页 |
| 1.2.2 对抗学习 | 第13-14页 |
| 1.2.3 分类器逆向学习 | 第14-15页 |
| 1.3 本文主要研究内容和组织结构 | 第15-17页 |
| 第二章 直接求解最小代价检测规避样本 | 第17-28页 |
| 2.1 引言 | 第17页 |
| 2.2 直接求解方法介绍 | 第17-24页 |
| 2.2.1 相关符号定义与假设 | 第17-18页 |
| 2.2.2 折半搜索最小代价检测规避样本 | 第18-19页 |
| 2.2.3 正例判别空间为凸集的情况 | 第19-21页 |
| 2.2.4 反例判别空间为凸集时 | 第21-24页 |
| 2.3 多方向二分搜索算法 | 第24-27页 |
| 2.4 本章小结 | 第27-28页 |
| 第三章 间接法求解最小代价检测规避样本 | 第28-44页 |
| 3.1 引言 | 第28页 |
| 3.2 基于分类器逆向学习的最小代价检测规避方法 | 第28-35页 |
| 3.2.0 相关模型介绍 | 第28-31页 |
| 3.2.1 分类器逆向学习 | 第31-34页 |
| 3.2.2 内点罚函数法 | 第34-35页 |
| 3.3 实验结果和分析 | 第35-42页 |
| 3.3.1 数据集和评价指标 | 第35-36页 |
| 3.3.2 实验步骤 | 第36页 |
| 3.3.3 实验结果 | 第36-41页 |
| 3.3.4 如何避免陷入局部最优解 | 第41-42页 |
| 3.4 本章小结 | 第42-44页 |
| 第四章 分类器逆向学习方法 | 第44-59页 |
| 4.1 引言 | 第44页 |
| 4.2 分类器逆向学习 | 第44-51页 |
| 4.2.1 样本生成算法 | 第45-48页 |
| 4.2.2 局部线性SVM | 第48-51页 |
| 4.3 逆向高斯混合模型的实验 | 第51-54页 |
| 4.3.1 实验数据和评价标准 | 第51页 |
| 4.3.2 实验步骤 | 第51-52页 |
| 4.3.3 实验结果与分析 | 第52-54页 |
| 4.4 逆向集成分类器的实验 | 第54-57页 |
| 4.4.1 实验数据和评价标准 | 第54-55页 |
| 4.4.2 集成分类器的训练 | 第55页 |
| 4.4.3 实验结果与分析 | 第55-57页 |
| 4.5 本章小结 | 第57-59页 |
| 结论 | 第59-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67页 |
