TY -的A2 -陈,羌族非盟-黄,Shize盟——刘,晓文盟——杨小路盟——张Zhaoxin AU -杨,Lingyu PY - 2020 DA - 2020/09/22 TI -两种改进方法产生对抗的例子对更快R-CNNs电车环境感知系统SP - 6814263六世- 2020 AB -有轨电车有越来越多的部署对象探测器感知运行条件,和深度学习网络已经广泛采用这些探测器。越来越多神经网络产生严重攻击等攻击敌对的例子,对有轨电车的安全威胁。只有在对手的攻击彻底研究,研究人员可以对他们想出更好的防御方法。然而,大多数现有的方法产生敌对的例子一直致力于分类,和没有一个目标电车环境感知系统。在本文中,我们提出一种改进的投影梯度下降(PGD)算法和一种改进Carlini和瓦格纳(英国大东电报局)算法对速度R-CNN对象探测器产生敌对的例子。实验验证两种算法可以成功地进行不属预定目标的有轨电车运行时和有针对性的白盒数字攻击。我们也比较两种方法的性能,包括攻击效果,干净的图像相似度,生成时间。结果表明,两种算法在220秒内可以产生敌对的例子,只是很短的一段时间,没有降低的成功率。SN - 1076 - 2787你——https://doi.org/10.1155/2020/6814263——10.1155 / 2020/6814263 JF - PB - Hindawi KW - ER -复杂性