基于GScRNN神经网络的对抗样本防御方法
牟志1 殷锋2 袁平3
生成PDF 清样下载 引用

复制成功

导出题录

参考文献( GB/T 7714-2015 ) 复制

牟志1 殷锋2 袁平3,. 基于GScRNN神经网络的对抗样本防御方法[J]. 计算机研究与应用,2020.7. DOI:.
查新格式 NoteExpress RefWorks NoteFirst EndNote Bibtex
摘要:
深度神经网络(DNN)的日益发展被应用到图像语音识别等多个领域之中,然而面对输入样本的轻微改变,经过DNN复杂的内部神经元可能导致细小的扰动被大幅度地扩大,从而使得神经网络模型的输出结果完全不同于人工判别结果,对于自然语言处理任务中,可以诱导欺骗垃圾邮件短信识别系统。通过统计词向量空间各个维度分布变化,提出一种基于高斯分布的中性词构造方法(GSNeutral),在此基础上建立GScRNN网络,纠正出输入样本中存在扰动的部分,通过中性词替换该部分达到平滑判别边界的目的。
关键词: 对抗攻击； 对抗样本； 神经网络； 自然语言处理；
DOI:
基金资助:

查看本期封面目录
计算机研究与应用
ISSN：3078-9850
所属期次： 2020.7
为你推荐

《》在线投稿系统

*文章题目:
*作者姓名:
*电子邮箱:
*通讯地址:
*联系方式:

  备      注:

*上传稿件:

支持上传.doc,.docx,.pdf,.txt,.wps文件

投稿须知：

1、审稿结果将于1~7个工作日以邮件告知，请注意查收（包含录用通知书、审稿意见、知网CNKI查重报告）。

2、提交投稿后，若7个工作日之内未接到录用通知，则说明该文章未被录用，请另投他刊。

3、凡投寄本刊稿件，如在内容上有侵权行为或不妥之处，均应文责自负。本刊有权对来稿进行文字编辑、加工和修改，如不同意，请附说明，以便妥善处理。

4、多作者文稿署名时须征得其他作者同意，排好先后次序，通知用稿后不再改动。

5、凡投往本刊稿件一经录用发表，其版权归本刊所有。

6、本刊已全文录入中国知网、万方、维普等数据库，如作者不同意被收录，请提前申明，未申明者，本刊一律视为同意被收录。

7、请勿一稿多投。