研究文章
FNet:二束模型检测敌对攻击5 g深度学习建设服务
表7
性能正常的图像和CIFAR-10敌对的连续波生成的例子。
|
| 模型 |
方法 |
正常的图片 |
阿德图片 |
| 精度 |
回忆 |
精度 |
回忆 |
|
| 白色的模型 |
VGG16 |
RGB-Net |
0.912 |
0.856 |
0.843 |
0.903 |
| SRM-Net |
0.539 |
1.000 |
0.000 |
0.000 |
| KDBU [32] |
0.852 |
0.525 |
0.617 |
0.893 |
| FNet |
0.913 |
0.922 |
0.908 |
0.898 |
|
| 黑色的模型 |
ResNet |
RGB-Net |
0.916 |
0.856 |
0.840 |
0.906 |
| SRM-Net |
0.544 |
1.000 |
0.000 |
0.000 |
| KDBU [32] |
0.545 |
0.525 |
0.457 |
0.478 |
| FNet |
0.883 |
0.922 |
0.901 |
0.855 |
| LeNet |
RGB-Net |
0.943 |
0.856 |
0.792 |
0.914 |
| SRM-Net |
0.625 |
1.000 |
0.000 |
0.000 |
| KDBU [32] |
0.589 |
0.525 |
0.330 |
0.390 |
| FNet |
0.903 |
0.922 |
0.865 |
0.835 |
|
|
