首页 > TAG信息列表 > PGD
对抗攻击方法BIM与PGD的区别
Basic iterative method(BIM):论文地址 笔记地址 Projected gradient descent(PGD):论文地址 笔记地址 区别1 来自于：https://www.sciencedirect.com/science/article/pii/S209580991930503X 1）BIM 将一步的FGSM直接扩展为多步方法： \[x'_{t+1}=Clip_{x, \epsilon} \{x'_{t}+\alpha\;【论文笔记】Towards Deep Learning Models Resistant to Adversarial Attacks
摘要 作者从鲁棒优化（robust optimization）的角度研究了神经网络的对抗鲁棒性（adversarial robustness）。基于鞍点公式（min-max）本文提出了一种防御任何对抗样本的方法。 1 介绍 本文的主要贡献： 对抗样本的生成、对抗训练（即攻击与防御）是同一的，这是一个鞍点公式（下文的公式(1)）的优化问题一文搞懂NLP中的对抗训练FGSM/FGM/PGD/FreeAT/YOPO/FreeLB/SMART
原地址 本文主要串烧了FGSM, FGM, PGD, FreeAT, YOPO, FreeLB, SMART这几种对抗训练方法，希望能使各位大佬炼出的丹药更加圆润有光泽，一颗永流传 对抗训练是一种引入噪声的训练方式，可以对参数进行正则化，提升模型鲁棒性和泛化能力。 对抗训练的假设是：给输入加上扰动之后，输出分布arch/arm中的页表 相关函数
不管arm(arm32支持两级页表)提供几级页表,linux是支持四级页表的 在arch/arm处理的时候,将四级转换为两级 pgd __pgd pgd_bad pgd_clear pgd_none pgd_present pgd_val pgd_free pud pud_bad pud_clear pud_page pud_populate pud_present pud_write set_pud - pmd ```c关于Linux内存寻址与页表处理的一些细节
我们很容易从一些Linux内核的书籍中知道X86架构使用2级( 10-10-12 )页表，X86-64架构使用4级( 9-9-9-9-12 )页表甚至是5级(在pgd_t与pud_t中间加了一层p4d_t)，但是一些隐藏的问题却往往被忽略，如每一个进程的页表存储在内核空间吗？为什么内核中页表所在页框物理地址转化为虚拟地址只需对抗训练fgm和pgd原理和源码分析
当前，在各大NLP竞赛中，对抗训练已然成为上分神器，尤其是fgm和pgd使用较多，下面来说说吧。对抗训练是一种引入噪声的训练方式，可以对参数进行正则化，提升模型鲁棒性和泛化能力。 fgm FGM的全称是Fast Gradient Method, 出现于Adversarial Training Methods for Semi-supervised TextLinux arm进程内核空间页表同步机制
Linux arm进程内核空间页表同步机制 进程创建内核页表修改页表项同步 本文针对ARM32处理器进行说明。 内核页表： 即书上说的主内核页表，在内核中其实就是一段内存，存放在主内核页全局目录init_mm.pgd(swapper_pg_dir)中，硬件并不直接使用。 进程页表： 每个进程自己的页表，内存相关内核知识点
参考：https://www.zhihu.com/column/c_1108400140804726784 传统的三级页表从上到下分为 PGD，PMD 和 PTE。后面引入了新的PUD（ Page Upper Directory）。 PGD 依然保留为顶层的页表，同时将新级别插入在中间，即 PMD 级别的左边或者右边。基于该设计，最顶层都是 PGD，最底层也都是 PTE， searm64_linux head.S的执行流程- 8.stext之__create_page_tables
1.前言 本文基于高通8996平台，kernel版本为3.18.31。 本文主要介绍head.S的__create_page_tables执行流程 2. 页表基础知识 PGD（Page Global Directory）对应Level 0 translation table PUD (Page Upper Directory) 对应Level 1 translation table PMD (Page Middle Directory)对抗攻击经典论文剖析（上）【FGSM、BIM、PGD、Carlini and Wagner Attacks (C&W)】
上篇： https://blog.csdn.net/qq_38556984/article/details/105616211 下篇：https://blog.csdn.net/qq_38556984/article/details/105751951《论文阅读：对抗训练（adversarial training）》
论文阅读：对抗训练（adversarial training） 陈见耸 自然语言处理、人工智能、机器学习 引言 对抗训练（adversarial training）是增强神经网络鲁棒性的重要方式。在对抗训练的过程中，样本会被混合一些微小的扰动（改变很小，但是很可能造成误分类），然后使神经网络适应这种《一文搞懂NLP中的对抗训练》
一文搞懂NLP中的对抗训练 李如 是【夕小瑶的卖萌屋】的rumor酱～ 本文主要串烧了FGSM, FGM, PGD, FreeAT, YOPO, FreeLB, SMART这几种对抗训练方法，希望能使各位大佬炼出的丹药更加圆润有光泽，一颗永流传 简介 对抗训练是一种引入噪声的训练方式，可以《Linux源码情景分析》--2.1 Linux内存管理的基本框架
2.1 Linux内存管理的基本框架 Linux内核的设计要考虑在各种不同的CPU上的实现，还要考虑64位CPU，所以不能仅仅针对i386结构来设计它的映射机制，要以一种假象的、虚拟的CPU和MMU（内存管理单元）为基础，设计出一种通用模型。在32位的内存空间下，两层映射系统比较有效，但是在64位内存空间下，【原创】（三）Linux paging_init解析
背景 Read the fucking source code! --By 鲁迅 A picture is worth a thousand words. --By 高尔基 说明： Kernel版本：4.14 ARM64处理器，Contex-A53，双核 使用工具：Source Insight 3.5， Visio 1. 介绍 从（二）Linux物理内存初始化中，可知在paging_init调用之前，存放Kernel Image和DTB的