作者:张伟娜; 李鸣; 刘亭杉; 于泉杰对抗性样本深度学习可靠性评估人工智能
摘要:介绍深度学习算法可靠性面临的安全隐患及对抗性样本对可靠性的影响;分析深度学习算法可靠性评估现状:目前业界缺乏对深度学习算法可靠性的系统性评估方法,一定程度上影响着深度学习的广泛应用和技术发展;依据团体标准《人工智能深度学习算法评估规范》(T/CESA 1026-2018)对深度学习算法可靠性评估进行探讨;采用白盒、黑盒实验方式研究对抗性样本对深度学习算法可靠性的影响,并将逐步在深度学习算法的测试评估中推广。
注:因版权方要求,不能公开全文,如需全文,请咨询杂志社