对抗样本数据集

对抗样本数据集 数据来源：互联网公开数据
标签：对抗样本,FGSM,VGG16,图像分类,模型鲁棒性,数据增强,深度学习

数据概述：
本数据集包含了正常图像及其对应的对抗样本图像，对抗样本图像经过Fast Gradient Sign Method (FGSM)算法生成，能够在保持与正常图像视觉相似性的同时，误导先进的图像分类器进行错误分类。数据集分为5个目录，分别表示对抗样本图像在目录中所占的不同百分比（5%、10%、15%、20%、25%）。每个目录下包含10个子文件夹及一个CSV文件，CSV文件记录了每张图像是否为对抗样本。所有图像的像素值已归一化至[0,1]范围。

数据用途概述：
该数据集适用于研究对抗攻击对深度学习模型的影响，测试模型的鲁棒性，以及开发防御对抗攻击的策略。研究人员可以利用此数据集分析对抗样本的生成机制及其对模型性能的影响；开发者可以基于数据集设计和优化抗干扰模型；同时，数据集也可用于教育培训，帮助学习者理解对抗机器学习的基本原理及实际应用。