稳健过拟合问题的重要性：FGSM 测试时的敌对净化

原文约300字，阅读约需1分钟。发表于：。

我们提出了一种基于深度神经网络的测试时间像素级对抗净化（TPAP）方法，通过对训练和测试数据集上的快速梯度符号方法（FGSM）进行对抗净化，以提高 DNN 对各种未知对抗攻击的防御能力，实验证实我们的方法可以显著改善 DNN 的整体鲁棒泛化性能。

本文讨论了基于卷积神经网络的图像分类模型对抗攻击的概念，重点分析了FGSM对模型性能的负面影响，并通过模拟攻击和计算准确性展示了攻击的有害影响。作者提出了一种防御蒸馏方法来对抗FGSM攻击，并给出了实验结果。