rl-policies-attacks-defenses:深度强化学习(RL)的对抗性攻击

上传者: 42103587 | 上传时间: 2022-05-31 21:56:45 | 文件大小: 256.42MB | 文件类型: ZIP
强化学习对抗攻击和防御 DQN政策 战略定时攻击 统一攻击 对抗训练 该存储库为深度强化学习代理实现了一些经典的对抗攻击方法,包括( drl_attacks/ ): 统一攻击[]。 战略定时攻击[]。 临界点攻击[]。 关键策略攻击。 对抗性政策攻击[]。 也可以使用以下RL防御方法( drl_defenses/ ): 对抗训练[]。 还提供了一些图像防御方法( img_defenses/ ): JPEG转换[]。 位压缩[ ]。 图像平滑[]。 该项目大部分基于基于的RL框架守。 图片敌对攻击和防御都与实施 ,也是基于Pytorch。 相反,A2C和PPO策略基于pytorch-a2c-ppo-acktr-gail ,DQN使用了天守实现。 任何图像对抗攻击都与此项目兼容。 可用型号 它还可以在文件夹log找到适用于不同任务的训练有素的模型。 下表报告了三种

文件下载

资源详情

[{"title":"( 403 个子文件 256.42MB ) rl-policies-attacks-defenses:深度强化学习(RL)的对抗性攻击","children":[{"title":"atari_critical_strategy_attack_benchmark.py <span style='color:#111;'> 5.26KB </span>","children":null,"spread":false},{"title":"perturbation_benchmark.py <span style='color:#111;'> 7.75KB </span>","children":null,"spread":false},{"title":"attack_obs_benchmark.py <span style='color:#111;'> 0B </span>","children":null,"spread":false},{"title":"atari_uniform_attack.py <span style='color:#111;'> 4.09KB </span>","children":null,"spread":false},{"title":"make_chart_rew_attack.py <span style='color:#111;'> 4.57KB </span>","children":null,"spread":false},{"title":"......","children":null,"spread":false},{"title":"<span style='color:steelblue;'>文件过多,未全部展示</span>","children":null,"spread":false}],"spread":true}]

评论信息

免责申明

【只为小站】的资源来自网友分享,仅供学习研究,请务必在下载后24小时内给予删除,不得用于其他任何用途,否则后果自负。基于互联网的特殊性,【只为小站】 无法对用户传输的作品、信息、内容的权属或合法性、合规性、真实性、科学性、完整权、有效性等进行实质审查;无论 【只为小站】 经营者是否已进行审查,用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。
本站所有资源不代表本站的观点或立场,基于网友分享,根据中国法律《信息网络传播权保护条例》第二十二条之规定,若资源存在侵权或相关问题请联系本站客服人员,zhiweidada#qq.com,请把#换成@,本站将给予最大的支持与配合,做到及时反馈和处理。关于更多版权及免责申明参见 版权及免责申明