已验证70% 置信事实精确时间
对一张被神经网络正确分类的图像叠加人眼几乎不可见的微小扰动后，模型输出会以极高置信度发生错误
4
来源数
70%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
反监控时装：对抗样本如何让摄像头认不出你
hackernewshackernews2026/7/5
相关事实
待验证将图像平移一个像素可能导致CNN模型的识别结果发生剧烈变化甚至完全出错77% 相似待验证AI可见性仪表盘用有限的预设问题推断整体可见性，存在极大的采样偏差76% 相似待验证对抗样本概念最早由Ian Goodfellow等人在2014年系统阐述，在计算机视觉领域只需对图像添加人眼不可见的微小扰动就能使分类器产生错误判断75% 相似待验证2017年Google Brain团队发表的对抗样本研究揭示了深度学习模型的脆弱性，仅需对图像添加人眼不可见的微小扰动就能让最先进的分类器完全失效74% 相似待验证视觉定位系统的判断质量高度依赖画面中包含的可利用地理线索数量，信息贫乏的画面会使模型陷入困境74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/204509API
curl https://kongchang.com/api/v1/knowledge/claims/204509MCP
get_claim(id=204509)