概念Adversarial ML / 对抗样本研究
对抗性机器学习
对抗性机器学习是研究针对机器学习模型的攻击与防御方法的子领域，核心研究对象为对抗样本，即通过微小扰动使模型产生错误输出的输入样本
时间轴 (近 90 天)
9月27日
Nicholas Carlini的一场演讲中有一张幻灯片标题为'9000篇论文，却哪儿也没到'，指对抗性机器学习领域
待验证50%
9月27日
对抗性机器学习的核心困境在于攻防不对称：攻击者只需找到一种有效扰动，而防御者需对所有可能的攻击保持鲁棒
待验证50%
对抗性机器学习是研究针对机器学习模型的攻击与防御方法的子领域，核心研究对象为对抗样本，即通过微小扰动使模型产生错误输出的输入样本
Nicholas Carlini的一场演讲中有一张幻灯片标题为'9000篇论文，却哪儿也没到'，指对抗性机器学习领域
对抗性机器学习的核心困境在于攻防不对称：攻击者只需找到一种有效扰动，而防御者需对所有可能的攻击保持鲁棒