IQA-CNN-Adversarial-攻击 基于CNN的图像分类的对抗性攻击的感知评估（数据集） 介绍 深度神经网络（DNN）最近获得了最先进的性能，并在许多机器学习任务中取得了重大进展。 但是，最近的研究表明，DNN容易受到对抗性攻击。 例如，在图像分类域中，向输入图像添加较小的不可察觉的扰动足以愚弄DNN并导致错误分类。 被扰动的图像（称为对抗示例）在视觉上应尽可能接近原始图像。 但是，文献中提出的所有用于生成对抗性示例的工作都使用Lp范数（L0，L2和Linf）作为距离度量来量化原始图像