نویسندگان:
(1) سئوکیل هام، KAIST;
(2) Jungwuk Park، KAIST.
(3) دونگ جون هان، دانشگاه پوردو.
(4) Jaekyun Moon، KAIST.
جدول پیوندها
چکیده و 1. مقدمه
2. آثار مرتبط
3. الگوریتم NEO-KD پیشنهادی و راه اندازی مشکل 3.1: آموزش خصمانه در شبکه های چند خروجی
3.2 شرح الگوریتم
4. آزمایش ها و 4.1 راه اندازی آزمایشی
4.2. نتایج آزمایشی اصلی
4.3. مطالعات و بحث های فرسایشی
5. نتیجه گیری، تصدیق و مراجع
A. جزئیات آزمایش
ب. دقت تست پاک و ج. آموزش دشمنی از طریق حمله متوسط
د. تنظیم فراپارامتر
E. بحث در مورد کاهش عملکرد در خروجی های بعدی
F. مقایسه با روش های دفاعی اخیر برای شبکه های تک خروجی
ز. مقایسه با SKD و ARD و H. پیاده سازی الگوریتم های مهاجم قوی تر
E بحث در مورد کاهش عملکرد در خروجی های بعدی
همانطور که از نتایج پیش‌بینی هر زمان در دست‌نوشته اصلی مشاهده می‌شود، دقت آزمون خصمانه خروجی‌های بعدی گاهی کمتر از عملکرد خروجی‌های قبلی است. این پدیده را می‌توان به صورت زیر توضیح داد: به طور کلی، از طریق آزمایش‌ها مشاهده کردیم که نمونه‌های متخاصم که خروجی‌های بعدی را هدف قرار می‌دهند، در مقایسه با نمونه‌های متخاصم که خروجی‌های قبلی را هدف قرار می‌دهند، مجموع ضرر بیشتری از همه خروجی‌ها دارند. این باعث می شود حداکثر میانگین یا …