Adversarial Evasion（对抗逃逸）

对抗逃逸源于Szegedy等人2013年的发现：深度神经网络对输入的小扰动高度敏感。攻击者通过优化方法（如快速梯度符号法FGSM、投影梯度下降PGD）生成对抗样本，在Lp范数约束下最大化模型损失。防御方法包括对抗训练、输入预处理和梯度掩码，但鲁棒性仍是挑战。该研究对安全敏感领域如自动驾驶和生物识别至关重要。