接觸對抗樣本的第一天，主要從概念，結構，算法三個方面來了解。其中學習內容多來自以下幾篇文章和博客，侵刪。
算法：https://blog.csdn.net/sinat_29957455/article/details/80795656
概念：https://www.leiphone.com/news/201702/Jpb0uiOt9RTwcB8E.html?viewType=weixin
概念：http://www.sohu.com/a/230434686_651893
實現：https://www.kaggle.com/benhamner/adversarial-learning-challenges-getting-started/data
一、概念
是指數據集（圖像數據集）經過優化改變其特性，而外表沒有變化得到的數據集，分類時這些樣本數據會分類錯誤，即所說的對抗樣本。乾淨樣本是原始數據集，能正確分類的樣本。
二、如何生成對抗樣本
生成對抗樣本稱爲攻擊過程，常見攻擊算法有：FGSM、deepfool、BIM，最小基本迭代法、CW等。
三、如何防禦對抗樣本
所說的防禦，主要指從數據集中，區分出乾淨樣本和對抗樣本。對於對抗樣本的防禦，方法也很多：圖片去噪、訓練分類模型、拒絕分類等。
注：小白，不當之處請指教orz