NDSS https: arxiv.org abs . 摘要中的创新点确实是对抗攻击中值得考虑的点： . effective . evasive recognized by human readers . efficient 在IMDB数据集上取得 的成功率。 最后有讨论可能的防御机制，可以重点看下能不能做这相关的工作。 TEXTBUGGER: 白盒：通过雅可比矩阵找到最重要的单词。 https: ...
2019-11-06 22:42 0 379 推荐指数：
Generating Fluent Adversarial Examples for Natural Languages ACL 2019 为自然语言生成流畅的对抗样本 摘要 有效地构建自然语言处理(NLP)任务的对抗性攻击者是一个真正的挑战。首先，由于句子空间是离散的。沿梯度方向 ...
论文地址：https://www.aclweb.org/anthology/P19-1103/ 已有研究工作： 在文本的对抗样本领域，因为有词嵌入的存在，很难将特征空间的扰动向量映射到词汇表中的有效单词。因此在CV领域的方法不能直接用于NLP领域，一般的方法是在词级别或者字符级别直接修改 ...
提到密钥交换，必须要提到的就是这两位， 2015年图灵奖得主，Diffie(右)和Hellman(左)，二人在 一文中提出了密钥交换、非对称加密、数字签名等概念，可以说是公钥密码学的开山鼻 ...
Methodology 作者提出TIMAM (Text-Image Modality Adversarial Matching)方法，比较简洁明了，具体包含三个部分： （1）特征提取器： 文本采用BERT提取词向量，再输入LSTM提取文本特征； 图像采用ResNet101提取特征 ...
Generating Adversarial Examples with Adversarial Networks 2020-03-08 22:40:38 Paper: IJCAI-2018 Code: https://github.com/mathcbc/advGAN_pytorch ...
导读： 本文为CVPR2018论文《Deep Adversarial Subspace Clustering》的阅读总结。目的是做聚类，方法是DASC=DSC（Deep Subspace Clustering）+GAN（Generative Adversarial Networks）。本文 ...
导读： 本文为CVPR2018论文《Deep Adversarial Subspace Clustering》的阅读总结。目的是做聚类，方法是DASC=DSC（Deep Subspace Clustering）+GAN（Generative Adversarial Networks）。本文 ...
