典型文献
云边端全场景下深度学习模型对抗攻击和防御
文献摘要：
在万物互联的智能时代,以深度学习为代表的人工智能技术正全方位改变人类的生产和生活方式.与此同时,云边端计算架构的成熟和发展使得边缘计算正在日益走向智能时代的舞台中央,轻量化模型在计算资源受限的嵌入式和物联网设备大规模部署和运行.然而,随着人工智能技术蓬勃发展,其算法的鲁棒脆弱性及易受对抗攻击等特点也给人工智能系统的广泛应用带来了极大的安全隐患.针对此问题,国内外学术界和工业界已经开展了人工智能安全的相关研究,其中针对深度学习的对抗攻御研究已成为了当前的研究热点.因此,聚焦于云边端全场景下的人工智能技术安全问题,分别整理归纳了针对大型神经网络和轻量化神经网络的对抗攻防技术,对相关理论与研究方法进行了系统性的综述研究.首先,介绍了多种主流的对抗攻击生成方法.其次,从鲁棒先验视角出发,将现有对抗防御工作分为基于对抗训练的防御、基于正则化的对抗防御以及基于模型结构的对抗防御三大类.同时,对现有的研究工作进行了系统总结和科学归纳,分析了当前研究的优势和不足.最后,探讨了在云边端全场景下深度学习模型对抗攻击和防御研究当前所面临的挑战以及未来潜在的研究方向.
文献关键词：
人工智能安全;对抗攻击;对抗防御;深度神经网络;轻量化网络
中图分类号：
作者姓名：
李前;蔺琛皓;杨雨龙;沈超;方黎明
作者机构：
西安交通大学网络空间安全学院 西安 710049;智能网络与网络安全教育部重点实验室(西安交通大学) 西安 710049;南京航空航天大学计算机科学与技术学院 南京 210016
文献出处：
引用格式：
[1]李前;蔺琛皓;杨雨龙;沈超;方黎明-.云边端全场景下深度学习模型对抗攻击和防御)[J].计算机研究与发展,2022(10):2109-2129
A类：
对抗攻防
B类：
云边端,全场景,深度学习模型,对抗攻击,万物互联,智能时代,生产和生活,计算架构,边缘计算,轻量化模型,计算资源,资源受限,物联网设备,脆弱性,人工智能系统,工业界,人工智能安全,技术安全,轻量化神经网络,攻防技术,综述研究,生成方法,先验,对抗防御,防御工作,对抗训练,正则化,基于模型,模型结构,优势和不足,深度神经网络,轻量化网络
AB值：
0.281437
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
