GAN 系列的探索与pytorch实现 (数字对抗样本生成)

文章目录

• GAN 系列的探索与pytorch实现 (数字对抗样本生成)
• • GAN的简单介绍
  • 生成对抗网络 GAN 的基本原理
  • • 大白话版本
    • 非大白话版本
  • 数字对抗样本产生
• 步骤1：用`LeNet网络`完成手写数字识别任务。
• • LeNet 网络
  • 数据集的下载和预处理
  • Image displaying
  • pytorch 搭建LeNet
  • LetNet 训练
  • • 超参数的设置
    • 训练及测试模型
    • 可视化误差曲线，准确率曲线
  • 结果可视化，查看每一类的准确率
  • 模型的保存与加载
• 步骤2：生成针对该网络的对抗样本。
• • 威胁模型
  • 快速梯度符号攻击
  • 定义扰动上限 epsilons
  • 被攻击的模型
  • FGSM 攻击方式
  • 测试函数
  • 启动攻击
  • 对抗结果
  • • 准确性 vs Epsilon
    • 样本对抗性示例
• 总结