已验证70% 置信事实精确时间
对一张被神经网络正确分类的图像叠加人眼几乎不可见的微小扰动后，模型输出会以极高置信度发生错误
4
来源数
70%
置信度
长期有效
时效性
2026/7/7
首次发现
来源
反监控时装：对抗样本如何让摄像头认不出你
hackernewshackernews2026/7/5
相关事实
待验证对抗样本攻击可以在图像上添加人眼难以察觉的噪声,却能让模型产生错误分类80% 相似待验证将图像平移一个像素可能导致CNN模型的识别结果发生剧烈变化甚至完全出错77% 相似待验证在神经科学场景中，电镜图像需要人工与自动标注结合，标注质量直接决定模型表现；神经元分割模型在边界模糊的区域容易出错；模型评估涉及如何衡量分割精度、如何发现系统性误判。76% 相似待验证AI可见性仪表盘用有限的预设问题推断整体可见性，存在极大的采样偏差76% 相似待验证对抗样本概念最早由Ian Goodfellow等人在2014年系统阐述，在计算机视觉领域只需对图像添加人眼不可见的微小扰动就能使分类器产生错误判断75% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/204509API
curl https://kongchang.com/api/v1/knowledge/claims/204509MCP
get_claim(id=204509)