当前位置:首页 > 报告详情

2020BCS-北京网络安全大会:针对现实应用的文本对抗攻击研究.pdf

上传人: li 编号:29444 2020-12-01 36页 12.05MB

word格式文档无特别注明外均可编辑修改,预览文件经过压缩,下载原文更清晰!
三个皮匠报告文库所有资源均是客户上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作商用。
本文介绍了TextBugger框架,该框架用于生成针对自然语言处理应用的对抗性文本。作者指出,尽管深度学习在多个领域取得了成功,但在文本领域中,对抗性样本也存在。TextBugger通过在合法文本中添加小的扰动来生成对抗性文本,并针对多种任务进行攻击,如机器翻译、信息检索和情感分析等。 TextBugger主要通过以下方法生成对抗性文本:一、通过梯度信息修改输入文本;二、通过优化方法将一个词替换为另一个词;三、通过随机字符操作破坏机器学习系统。 实验表明,TextBugger在所有模型和在线平台上都具有高攻击成功率,并且生成的对抗性文本具有较高的语义相似性。此外,TextBugger还具有较高的效率,生成的对抗性文本在人类理解上影响较小。
如何生成对抗性文本?" "对抗性文本在现实应用中的挑战和解决方案" "TextBugger框架在自然语言处理中的应用与前景"
客服
商务合作
小程序
服务号
折叠