使用经典PCA算法验证对离群点的不鲁棒性，使用PCA分别对一批不含离群点的数据点和一批含有离群点的数据点进行分析，效果很好

大数据-算法-鲁棒性稀疏表示深度图修复算法.pdf

AREOD 该存储库包含AREOD （用于对象检测的对抗鲁棒性评估）的代码，这是一个Python的库，用于进行对抗性机器学习研究，以正确地对标目标检测中的对抗性鲁棒性。 该存储库仍在开发中，我们使用3种针对对象检测模型的攻击来对逆向鲁棒性进行基准测试。 功能概述： 建立在tensorFlow上，并通过给定的接口支持TensorFlow和Kerasa模型 支持各种威胁模型中的多种攻击 提供现成的预训练基线模型（faster-rcnn-inception-v2-coco，多尺度GTRSB） 为bencmark模型提供方便的工具，并使用printor打印生成的对抗性样本 攻击方法清单 我们使用3种攻击方法生成对抗示例，下面的论文对此进行了介绍 ， ， ，。 稍后，我们使用连接的打印机将对抗性示例打印出来，以提供更高的性能基准。 安装 git clone https://github.c

大数据-算法-非线性预测控制的鲁棒性研究.pdf

安全技术-网络信息-灾难救援物流网络鲁棒性研究.pdf

提出了一种鲁棒性全景图像拼接方法。首先，为了缓和光照条件变化进行直方图均衡化；其次，利用相位相关的方法提取种子点，即重叠区域的高度纹理点，因为感兴趣区域（ROI）被限定在重叠区域，所以能得到更精确的对应点；最后，用加权块匹配算法（BMA）来最小化相机转动产生的图像扭曲问题。通过多种类型全景图像的峰值信噪比（PSNR）与其他算法相比，证明该方法具有很强的鲁棒性。

安全技术-网络信息-模糊Hopfield网络的鲁棒性控制及其应用.pdf

在研究了小波变换的理论知识以及小波变换在图像处理中的应用的基础上，实现了一种基于小波变换的图像水印算法，同时在图像的小波变换域实现了水印的嵌入和提取。仿真实验结果表明本文的水印算法具有较好的不可见性及较好的鲁棒性，水印能够抵抗加噪、压缩、滤波等常用的信号处理操作。

随着网络与多媒体技术的发展，数字媒体作品版权的标识及保护问题越来越突出。数字水印技术通过将水印信息嵌入原始数据中来证明数字作品的版权，是解决这个问题的一种有效方法。本文提出一种基于小波变换的图像数字水印算法，通过将低频子图分块并量化其小波系数，实现水印的嵌入和提取，并对其进行抗噪声、JPEG压缩、旋转等实验。对于旋转攻击，该算法结合了图像的归一化技术。实验结果表明，该算法对常见图像处理和旋转都有较好的鲁棒性。

用于音频水印稳健性测试的攻击软件，非常流行。现在官方主页下载链接已失效。 考虑到许多做音频水印的朋友非常需要，特此共享出来。(请勿用于商业用途)