Concept-based Adversarial Attacks: Tricking Humans and Classifiers Alike.

这篇论文提出了一种全新的对抗样本生成方法，称为基于概念的对抗攻击。与传统的像素级扰动（例如添加不可见噪声来欺骗深度神经网络）不同，该方法通过直接修改神经网络高层中编码语义概念的激活值，将原始样本的表示向目标样本的方向移动，然后利用修改后的激

历史摘要 · 未重新核验 · IEEE S&P