《表5 实验6测试结果数据汇总》

  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

《深度学习人脸识别系统的对抗攻击算法研究》

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

实验6针对Classifier-47分类器，选择同实验1-实验3中相同的4个label进行实验．考虑到数据集扩充后，增加类标数量对攻击成功率的影响，故将平滑系数设为0，即从目标函数中删除平滑指标，仅保留对抗性指标，尽可能提高攻击成功率，因此，攻击成功率可达到100%．图6展示了实验6的源-目标对以及在不同区块下生成的对抗样本，图6（a）为执行攻击的冒充者（label），图6（b）至图6（c）分别为区块为16，32时的对抗样本，图6（d）为冒充对象（target）．表5展示了实验6攻击成功时的结果数据．表5中block＿num为划分的区块数，iter＿num为攻击成功时的迭代轮数，score为预测对抗样本时target的置信度分数，fadv为生成扰动的对抗性分数．