《表1 CIFAR-10和MNIST数据集上对于对抗样本分类正确率比较》

《表1 CIFAR-10和MNIST数据集上对于对抗样本分类正确率比较》   提示:宽带有限、当前游客访问压缩模式
本系列图表出处文件名:随高清版一同展现
《利用特征融合和整体多样性提升单模型鲁棒性》


  1. 获取 高清版本忘记账户?点击这里登录
  1. 下载图表忘记账户?点击这里登录
(%)

为回答问题1和问题3,首先在CIFAR-10数据集和MNIST数据集上测试B模型、F模型、D模型以及F+D模型对于7种常用对抗样本生成方法下白盒攻击的防御效果.除每种攻击方法的扰动参数设定之外,设置BIM,MIM和PGD这3种攻击的迭代次数为10,设置C&W和EAD攻击的迭代次数为1 000,且学习率为0.01.实验结果记录在表1中.