作者:刘晓琴; 王婕婷; 钱宇华; 王笑月 期刊:《计算机科学》 2018年第01期
在对抗性学习中,攻击者在非法目的的驱使下,通过探索分类器的漏洞并利用漏洞,使得恶意样本逃过分类器的检测。目前,对抗性学习已被广泛应用于计算机网络中的入侵检测、垃圾邮件过滤和生物识别等领域。现有研究者仅把现有的集成方法应用在对抗性分类中,并证明了多分类器比单分类器更鲁棒。然而,在对抗性学习中,攻击者的先验信息对分类器的鲁棒性有较大的影响。基于此,通过在学习过程中模拟不同强度的攻击,并增大错分样本的权重,提出...
影响因子:1.87
期刊级别:省级期刊
发行周期:月刊
影响因子:1.44
期刊级别:CSSCI南大期刊
影响因子:0.44
发行周期:半月刊
影响因子:0.07
发行周期:旬刊
影响因子:0.65
期刊级别:北大期刊
影响因子:0.35