待验证50% 置信事实精确时间
对抗样本是指通过对输入数据施加人类几乎察觉不到的微小扰动，使模型产生错误输出的特殊测试输入
1
来源数
50%
置信度
长期有效
时效性
2026/9/19
首次发现
来源
涉及实体
相关事实
待验证对抗样本攻击的核心原理是通过对输入数据施加人眼几乎不可察觉的微小扰动，让训练好的深度学习模型产生完全错误的输出80% 相似待验证Goodfellow等人在2014年发现了对抗样本现象，即对输入进行人眼不可察觉的微小扰动即可导致模型输出错误结果79% 相似已验证若用含测试集的全量数据计算均值和标准差，会导致预处理泄漏，使评估指标虚高，无法真实反映模型泛化能力77% 相似待验证研究提出用因果反事实判据抑制虚假开口：将用户输入静音后若模型输出分布几乎不变则判定为虚假开口应抑制76% 相似待验证排查模型不收敛时，可以先用很小的数据子集测试模型能否过拟合该子集，若连几个样本都学不会，大概率是代码或配置有bug73% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/935660API
curl https://kongchang.com/api/v1/knowledge/claims/935660MCP
get_claim(id=935660)