2023年最新入门对抗样本、对抗攻击与防御的最佳教程，里面包含总结好的攻击跟防御代码 并有详细介绍。 有入门到精通，该教程最通俗易懂。 对抗样本是各种机器学习系统需要克服的一大障碍。对抗样本的存在表明模型倾向于依赖不可靠的特征来最大化性能，如果特征受到干扰，那么将造成模型误分类，可能导致灾难性的后果。对抗样本的非正式定义：以人类不可感知的方式对输入进行修改，使得修改后的输入能够被机器学习系统误分类，尽管原始输入是被正确分类的。这一修改后的输入即被称为对抗样本。 敌手在恶意设计扰动，让自动驾驶汽车直线拐弯[10]，让目标检测失灵[11]，让人脸识别系统失效[12]。我不放心你做事啊，尤其是人命关天的任务。

《隐秩序：适应性造就复杂性》强调寻找支配CAS行为的一般原理，注重扩展众多科学家的直觉。书中提供了一个适用于全部CAS的计算机模型。霍兰通过描述我们能够做什么，总结了如何增强对CAS的理论认识。他提出的若干理论方法，可以指导人们对付耗尽资源、置我们世界于危险境地的棘手的CAS问题。

复杂系统灰度发布工程效率实践 汪洪恩_myslide.cn_.pdf

Cubature 卡尔曼滤波器(CKF) 在非高斯噪声或统计特性未知时滤波精度将会下降甚至发散, 为此提出了统计回归估计的鲁棒CKF 算法. 推导出线性化近似回归和直接非线性回归的鲁棒CKF 算法, 直接非线性回归克服了观测方程线性化近似带来的不足. 具有混合高斯噪声的仿真实例比较了3 种Cubature 卡尔曼滤波器的滤波性能, 结果表明这两种鲁棒CKF 滤波精度及估计一致性明显优于CKF, 直接非线性回归的CKF 的鲁棒性更强, 滤波性能更好.

针对常规输出反馈特征结构配置方法不能完全保证闭环系统稳定性的问题, 提出一种改进的输出反馈特征结构配置方法. 该改进的算法通过引入二次型性能指标, 将闭环系统的稳定性问题转化为线性二次型最优控制问题,从而保证闭环系统的稳定性; 考虑到采用特征结构配置方法所设计的闭环系统鲁棒性不强, 给出保证系统鲁棒性的条件, 以解决系统鲁棒性问题. 最后, 通过在飞翼飞机上的仿真结果验证了所提出算法的有效性.

该程序用于计算相关论文中的模拟数据和理论值数据。 计算不同的多网络在没有/有节点保护策略时的攻击/恢复鲁棒，计算了ncf和nccf的理论曲线 当多路网络发生节点损坏时，耦合的节点关系会触发ncf，而共同体结构中的节点故障会进一步导致共同体故障。

健壮性包 通过安装pip ： pip install robustness 阅读文档： : robustness是我们（在中的）创建的一个软件包，用于灵活，轻松地进行训练，评估和探索神经网络。 我们几乎在我们所有的项目中都使用了它（无论它们是否涉及对抗训练！），并且它将成为我们即将发布的许多代码版本中的依赖项。 使用该库的一些项目包括： （ ） （ ） （ ） （ ） 我们将在一组演练和我们的API参考中演示如何使用该库。 该库提供的功能包括： 使用针对各种数据集/体系结构训练和评估标准模型和健壮模型。 该库还提供添加和。 python -m robustness.main --dataset cifar --data /path/to/cifar \ --adv-train 0 --arch resnet18 --out-dir /logs/check

利用鲁棒性水印和脆弱性水印的双重嵌入的算法。

神经网络鲁棒性和可迁移性综述：On Robustness and Transferability of Convolutional Neural Networks

论文研究-基于随机活动工期的资源约束项目鲁棒性调度优化.pdf,  项目进度计划的鲁棒性对于不确定条件下项目的顺利实施具有重要影响. 作者研究具有随机活动工期的资源约束项目鲁棒性调度问题, 目标是在可更新资源和项目工期约束下安排活动的开始时间, 以实现项目进度计划鲁棒性的最大化. 首先对所研究问题进行界定并用一个示例对其进行说明. 随后构建问题的优化模型, 设计禁忌搜索、多重迭代和随机生成三种启发式算法. 最后在随机生成的标准算例集合上对算法进行测试, 分析项目活动数、 项目工期和资源强度等参数对算法绩效的影响, 并用一个算例对研究进行说明, 得到如下结论: 禁忌搜索的满意解质量明显高于其他两种算法; 当资源强度或项目工期增大时, 平均目标函数值上升, 禁忌搜索的求解优势增强. 研究结果可为不确定条件下项目进度计划的制定提供决策支持.