黑盒攻击替代模型与受攻击模型之间的差距通常较大，表现为攻击性能脆弱。基于同时攻击不同模型可以提高对抗样本的迁移性观察，提出了利用变换后的图像模拟不同模型的模型增强方法。然而，现有的空间域转换并不能转化为显著多样化的增强模型。为了解决这个问题，我们提出了一种新的频谱模拟攻击，以针对正常训练和防御模型制作更多的可转移的对抗样本，具体地说，我们对输入应用频谱变换，从而在频域执行模型增强。我们从理论上证明

为了提高训练效率，在fast AT 中采用快速梯度符号法FGSM，只计算一次梯度，但是鲁棒性不能令人满意。一个原因是可能来自初始化方式，现有的fast AT通常使用随机样本的不可知初始化，这虽然促进了运行效率，但是阻碍了进一步改进鲁棒性。在本文中以图像分类为重点，提出了一种基于样本的对抗性初始化来增强基于FGSM的快速AT，称为FGSM-SDI，依赖于样本的初始化由生成网络计算，生成网络不仅基于良

本文提出一种简单而有效的对抗权重扰动(AWP)来明确规范化权重损失图的平滑度，在对抗训练框架中形成双重扰动机制(输入扰动和权值扰动)。大量实验表明，AWP确实使权重损失图更加平缓，并且可以很容易地融入各种现有的对抗训练中，以进一步提高对抗鲁棒性。......

AAA通过对DNN的logits进行后处理来实现这一点，同时强制执行要校准的新输出置信度，使AAA成为一种确定性的插件测试时间防御，通过花费微不足道的计算开销来提高校准和准确性。因此，防御其他类型的攻击超出了我们的范围。此外，AAA不适用于避免基于转移的攻击和基于决策的查询攻击，这些攻击在现实世界中要么不可行，要么效率低下，因为AAA对决策边界的影响可以忽略不计。AAA直接优化DNN的logits

每条CAN总线一般都是由2根线组成的双绞线构成，一根can_high，一根can_low，分别代表高电平和低电平。

IVI人机交互媒介I（四件套）：中控屏幕（显示、触控）、仪表显示、语言、方向盘。IVI的硬件系统以ECU为中心，通过ECU的接口与各个部件实现连接和信号交互。IVI能够实现包括三维导航、实时路况、辅助驾驶等在线娱乐功能。ECU（IVI主机）与以下各关联硬件共同构成了IVI的硬件系统。IVI人机交互形式（三板斧）：声音、图像、文字。

PGD（ProjectGradientDescent)攻击是一种迭代攻击，可以看作是FGSM的翻版——K-FGSM(K表示迭代的次数），大概的思路就是，FGSM是仅仅做一次迭代，走一大步，而PGD是做多次迭代，每次走一小步，每次迭代都会将扰动clip到规定范围内。P...

本文将对抗样本的预测误差分解为自然误差和边界误差的综合，利用分类校准损失理论提供了一个可微的上界。该上界时所有概率分布和可测量预测量的最紧的可能上界。同时设计出了一种新的防御方法：TRADES，用来抵消对抗稳健性和准确性。...

每条CAN总线一般都是由2根线组成的双绞线构成，一根can_high，一根can_low，分别代表高电平和低电平。