《表1 训练时添加的不同标准差的噪声对准确率的影响Tab.1 The effect of adding noise with different standard》

  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

《基于自适应噪声添加的防御对抗样本算法》

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

表1给出了GGNA方法将训练时添加的噪声最大标准差设置为[0.25，0.35]时，实际添加的噪声标准差，训练出的模型在测试正常样本时的准确率以及测试对抗样本时的准确率。其中，对抗样本是使用扰动大小ε为8/255，迭代次数k为8，步长α为1/255的PGD攻击产生。为简单起见，在测试对抗样本时添加的噪声标准差为训练阶段实际添加的噪声标准差的均值，在测试正常样本时不向图像中添加高斯噪声。从表1中可以看出，在一定范围内随着训练时添加噪声标准差的增加，训练出的网络在测试对抗样本时的准确率也在逐渐提高，但在测试正常样本时准确率却在下降。为了权衡两个准确率，在下面的实验中，GGNA方法采用0.30的最大标准差，对应添加的实际噪声标准差为0.18。