对抗性机器学习阅读清单
2018-07-15 [最后更新于2019-11-26]
时常收到咨询如何开始研究对抗性机器学习的邮件。以下推荐论文清单将帮助读者熟悉机器学习系统中的规避攻击特定子领域（即对抗样本）。
也可查看（未过滤的）1000+篇对抗样本论文全集。
清单分为三个版本：
基础入门版
包含5篇概括领域现状的论文。虽不足以支撑新研究，但可帮助理解对抗样本研究的基本概念。
快速入门版
约10篇最重要的论文，为机器学习对抗样本领域奠定坚实基础。
完整背景版
包含所有进行神经网络评估必读的完整论文清单，按主题分类并标注阅读顺序。
核心论文分类
基础预备论文
- 《测试时针对机器学习的规避攻击》
- 《神经网络的有趣特性》
- 《解释和利用对抗样本》
攻击与防御
- 《Towards Evaluating the Robustness of Neural Networks》
- 《Towards Deep Learning Models Resistant to Adversarial Attacks》
