待验证50% 置信事实精确时间

对抗样本攻击可以在图像上添加人眼难以察觉的噪声,却能让模型产生错误分类

1

来源数

50%

置信度

长期有效

时效性

2026/9/10

首次发现

来源

AI自动化测试学习路线：从入门到精通完整指南

涉及实体

对抗样本concept

相关事实

已验证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80% 相似待验证针对特定检测器的对抗性攻击可以通过在生成内容中添加人眼不可见的微小扰动来欺骗检测模型79% 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73% 相似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73% 相似待验证反AI字体引入的是人眼可轻松忽略、却足以干扰机器识别流程的视觉噪声，与传统对抗攻击方向相反72% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/885991

API

curl https://kongchang.com/api/v1/knowledge/claims/885991

MCP

get_claim(id=885991)