{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{“日期-部件”：[[2024,9,16]]，“日期-时间”：“2024-09-16T09:39:30Z”，“时间戳”：1726479570294}，“引用-计数”：47，“发布者”：“爱思唯尔BV”，“许可证”：[{“开始”：{-“日期-零件”：[2023,3,1]]，”日期-时间“：”2023-03-01T00:00Z，“timestamp”：1677628800000}，“content-version”：“tdm”，“delay-in-days”：0，“URL”：“https:\\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2023,3,1]]，“date-time”：“2023-03-01T00:00:00Z”，“timestamp”：1677628800000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https://doi.org\/10.15223\/policy-017”}，{“开始”：{“日期部分”：[[2023,3,1]]，“日期时间”：“2023-03-01T00:00:00Z”，“timestamp”：1677628800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[[2023,3,1]]，“date-time”：“2023-03-01T00:00Z”，“timetamp”：166762880000}，doi.org \/10.15223 \/policy-012“}，{“开始”：{“日期部分”：[[2023,3,1]]，“date-time”：“2023-03-01T00:00:00Z”，“timestamp”：1677628800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{“date-parts”：[[2023,3,1]]，“datetime”：“2063-03-01T1T00:00Z”，-days“：0，”URL“：”https:\/\/doi.org\/10.15223\/policy-004“}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Future Generation Computer Systems”]，”published-print“：{”date-parts“：[[2023,3]]}，”DOI“：”10.1016\/j.Future.2022.10.022“，”type“：”journal-article“，”created“：”{“date-part”：[2022,10,26]]，“date-time”：“2022-10-20 6T15:45:10Z“，“timestamp”：1666799110000｝，“page”：“185-195”，“update policy”：“http:\/\/dx.doi.org/10.1016\/elsevier_cm_policy”，“source”：“Crossref”，“由count引用”：7，“special_numbering”：“C”，“title”：[“基于Smell Bees优化算法的图像分类中对深度学习网络的对抗性攻击”]，“prefix”：“10.1016”，“volume”：“140”，“author”：[{“given”：“Yamina”，“family”：“Mohamed Ben Ali”，“sequence”：“first”，“affiliation”：[]}]，“member”：“78”，“reference”：[{“article-title”：“图像、语音和时间序列的卷积网络”，“year”：“1995”，“series-title”：《大脑理论和神经网络手册》，“author”：“LeCun”，“key”：”10.1016\/j.future.2022.10.022_b1“}”，{“key“：“10.1016\/j.future.2022.10.022_52”，“doi-asserted-by”：“crossref”，“first page”：“436”，“doi”：“10.1038\/nature14539”，“article-title”：“Deep learning”，“volume”：”521“，“author”：“LeCun”，“year”：“2015”，“journal-title“：”Nature“}”，{“year“：”2016“series-title”：”分类器的鲁棒性：从对抗性到随机噪声“，”author“Fawzi”，“键”：“10.1016\/j.future.2022.10.022_b3”}，{“key”：“10.116\/j.future.2020年10月22日_b4”，“doi-asserted-by”：“crossref”，“首页”：“85”，“doi”：“101016\/j.neunet.2014.09.003”，“article-title”：“神经网络的深度学习：概述”，“卷”：“61”，“作者”：“Schmidhuber”，“年份”：“2015”，“日志标题”：“neural Netw.”}{“键”：“10.1016\/j.future.2022.10.022_b5”，“doi-asserted-by”：“crossref”，“unstructured”：“N.Carlini，D.Wagner，《朝向评估神经网络的稳健性》，摘自：IEEE安全与隐私研讨会，加州圣何塞，美国，2017年，第39\u201357页。”，“doi”：“10.1109\/SP.2017.49”}，{“key”：“101016\/j.futore.2022.10.022_b6”，“doi-assertd-by”：“crossref”，“非结构化”：“Jia.Ding，Zhiwu.Xu，《计算机视觉深度学习模型的对抗性攻击：综述》，载：《并行处理算法和架构国际会议论文集》，2020年，第396\u2013408页。”，“DOI”：“10.1007\/978-3-030-60248-2_27”}，{“issue”：“6433”，“key”：“101016\/j.future.2022.10.022_b7”，“DOI-asserted-by”：“crossref”，“first page”：“1287”，“DOI”：“10.1126\/science.aaw4399”，“article-title”：“对医学机器学习的对抗性攻击”，“volume”：”363“，“author”：“Finlayson”，“year”：“2019”，“journal-title“：”science“}，{”key“：”10.1016\/j.future.2022.10.022_b8“，”DOI-asserted-by“：”crossref.“，”first page:“159”，”DOI“：”1016\/j.ins.2020.03.066“，“文章标题”：“基于深度学习的雷达距离像目标识别的对抗性攻击”，“卷”：“531”，“作者”：“黄”，“年份”：“2020”，“新闻标题”：“信息科学”}，{“关键”：“10.1016\/j.future.2022.10.022_b9”，“doi-asserted-by”：“crossref”，“非结构化”：“j.Lu，T.Issaranon，D.A。Forsyth，Safetynet：稳健地检测和拒绝对抗性示例，载于：国际计算机视觉会议，2017年，第446\u2013454页。“，”DOI“：”10.1109\/ICCV.2017.56“}，{“问题”：“1”，“关键”：“10.1016\/j.future.2022.10.022_b10”，“首页”：“”，“文章标题”：“图像分类中的对手机器学习：对防御者视角的调查”，“卷”：“55”，“作者”：“Resende\u00a0Machado”，“年份”：“2023”，“新闻标题”：“ACM计算”。Surv公司。“}，{”key“：”10.1016\/j.future.2022.10.022_b11“，”doi-asserted-by“：”crossref“，”unstructured“：”Nicolas.Papernot，Patrick.McDaniel，Ian.Goodfellow，Somesh.Jha，Z.“。阿南特拉姆·贝凯\u00a0Clik。Swami，《针对机器学习的实用黑匣子攻击》，载于：《美国计算机学会亚洲计算机与通信安全会议论文集》，2017年，第506\u2013519页。顾，关于对抗训练的收敛性和稳健性，in：Proc。机器学习国际会议，2019年，第6586\u20136595页。“}，{“key”：“10.1016\/j.future.2022.10.022_b13”，“doi-asserted-by”：“crossref”，“首页”：“12”，“doi”：“101016\/j.jpdc.2019.03.003”，“article-title”：“对抗环境下机器学习的安全性：调查”，“卷”：“130”，“作者”：“王”，“年份”：“2019”，“journal-title“：”J.并行分布计算。“}，{”key“：”10.1016\/j.future.2022.10.022_b14“，”unstructured“：”Y.Wang，D.Zou，j.Yi，j.Bailey，X.Ma，Q.Gu，《提高对抗性稳健性需要重新访问错误分类的示例》，收录于：《2020年国际学习代表大会议事录》584“，”DOI“：”10.1016\/j.swevo.2018.08.003“，”article-title“：”空间域新嵌入隐写方案的嗅觉蜜蜂优化“，”volume“：”44“，”author“：”Mohamed Ben\u00a0Ali“，”year“：”2019“，”journal-title”：“Swarm Evol.”。计算。“｝，｛”key“：”10.1016\/j.future.20210.022_b16“，”doi断言“：”crossref“，”doi“：”10.1186\/s1280-020-00530-y“，”文章标题“：”医学图像分类对深度神经网络的通用对抗性攻击“，”卷“：”21“，”作者“：”平野“，”年份“：”2021“，”期刊标题“：”BMC Med.Imageging“｝，｛”key“：”10.1016\/j.future.20210.022_b17“，”doi-asserted-by“：”crossref“，”unstructured“：”Yann。LeCun、Koray Kavukcuoglu和Clement Farabet。卷积网络及其在视觉中的应用，收录于：Proc。IEEE国际电路与系统研讨会，法国巴黎，2010年，第253\u2013256页深度卷积神经网络用于图像分类：综合评述”，“卷”：“29”，“作者”：“Rawat”，“年份”：“2017年”，“期刊标题”：“神经计算”。“}，{”year“：”2017“，”series-title“：”通过自适应降噪检测深层网络中的敌对图像示例“，”author“：”Liang“，”key“：”10.1016\/j.future.2022.10.022_b19“}”，{“key”：“10.1016\/j.future.202210.022_b20”，“doi-asserted-by”：“crossref”，“unstructured”：“S.-M.Moosavi-Dezfouli，A.Fawzi，P.”。Frossard，DeepFool：愚弄深层神经网络的简单而准确的方法，见：Proc。IEEE计算机视觉和模式识别会议，美国内华达州拉斯维加斯，2016年，第2574\u20132582页。穆萨维·德兹武利（Alhussein Moosavi-Dezfuli）。奥马尔·法齐。帕斯卡·法齐。弗罗萨德，《普遍对抗扰动》，收录于：Proc。IEEE计算机视觉和模式识别会议，CVPR，夏威夷州火奴鲁鲁，美国，2017年。Zaremba，I.Sutskever，J.Bruna，D.Erhan，I.Goodfellow，R.Fergus，神经网络的有趣特性，载于：Proc。“}，{年”：“2018”，“series-title”：“你听到了吗？反对自动语音识别的对抗性示例”，“author”：“Alzantot”，“key”：“10.1016\/j.future.2022.10.022_b24”}，}“key“：”10.1016\/j.forture.202210.022_b25“，”doi-sserted-by“：”crossref“，”unstructured“：”Y.Bai，Y。Feng，Y.Wang，T.Dai，S.T.Xia，Y.Jiang，《基于希尔伯特的对抗性示例生成性防御》，摘自：Proc。IEEE计算机视觉国际会议，韩国，首尔，2019年，第4784\u20134793页强化学习中的对抗性攻防——来自AI安全观”，“卷”：“2”，“作者”：“陈”，“年份”：“2019年”，“新闻标题”：“网络安全”}，{“关键”：“10.1016\/j.future.2022.10.022_b27”，“doi-asserted-by”：“crossref”，“首页”：“360”，“doi”：“101038\/s41591-020-0791-x”，“文章标题”：心电图的深度学习模型容易受到对手攻击”，“volume”：“26”，“author”：“Han”，“year”：“2020”，“journal-title”：“Nat.Med.”}，{“issue”：“11”，“key”：”10.1016\/j.future.2022.10.022_b28“，”doi-asserted-by“：”crossref“，”first page“：”139“，“doi”：“10.1145\/3422622”，“article-title“：”Generative敌对网络“，”volume“63”，“作者”：“Goodfellow”，“年份”：“2020”，“期刊标题”：“Commun。ACM“}，{“key”：“10.1016\/j.future.2022.10.022_b29”，“unstructured”：“Yang.Song，Rui.Shu，Nate.Kushman，Stefano.Ermon，用生成模型构建无限制对手示例，收录于：第32届神经信息处理系统会议论文集，加拿大蒙特勒，2018年。”doi-asserted-by“：”crossref“，”first page“：”855“，”doi“：”10.1007\/s11042-020-09604-z“，”article-title“：”使用注意力对抗攻击生成网络攻击最先进的人脸识别“，”volume“：“80”，”author“：”Yang“，”year“：”2021“，”journal-title”：“Multimedia Tools Appl”。“}，{”year“：”2021“，”series-title“：”用图神经网络生成对抗性示例“，”author“：”Jaeckle“，”key“：”10.1016\/j.future.2022.10.022_b31“}”，{“key”：“10.1016\/j.future.202210.022_b32”，“doi-asserted-by”：“crossref”，“unstructured”：“L.Jiang，X.Ma，S.Chen，j.Bailey，Y.-G”。Jiang，视频识别模型上的黑匣子对抗性攻击，摘自：Proc。第27届ACM多媒体国际会议，法国，2019年，第864\u2013872页现场回避攻击：卷积神经网络车牌识别系统的对抗性示例“，“volume”：“95”，“author”：“Qian”，“year”：“2020”，“journal-title”：“Compute”。安全。“}，{”year“：”2019“，”series-title“：”使用深度增强模式为文本分类器生成黑盒对抗性示例“，”author“：”Vijayaraghavan“，”key“：”10.1016\/j.future.2022.10.022_b34“}”，{“issue”：“43”，“key”：“10.1016\/j.future.2022.1.022_b35”，“first page”：”1“，”article-title“：“”贪婪攻击和口香糖攻击：为离散数据生成对抗性示例“，“卷”：“21”，“作者”：“杨”，“年份”：“2020”，“新闻标题”：“J.Mach”。学习。Res.“}，{”key“：”10.1016\/j.future.2022.10.022_b36“，”doi-asserted-by“：”crossref“，”unstructured“：”元。臧凡超。齐，成浩。杨致远。刘，孟。张群。刘茂松。孙，作为组合优化的单词级文本对抗攻击，收录于：Proc。计算语言学协会第58届年会，第6066\u201360802020卷，第5\u201310页新颖性检测的自适应对抗性潜在空间”，“卷”：“8”，“作者”：“江”，“年份”：“2020”，“新闻标题”：“IEEE Access”}，{“key”：“10.1016\/j.future.2022.10.022_b38”，“doi-asserted-by”：“crossref”，“首页”：“87”，“doi”：“101016\/j.neucom.2019.11.051”，“article-title”：“快速R-CNN目标检测器的对抗性攻击”，“体积”：“382”，“author“：”Wang“，”year“：”2020“，”journal-title“：”Neurocomputing“}，{”issue“：”3“，”key“：”10.1016\/j.future.2022.10.022_b39“，”doi-asserted-by“：”crossref“，”first page“：“1”，“doi”：“10.1145\/3374217”，“article-title”：“自然语言处理中深度学习模型的对抗性攻击：调查”，“volume”：“11”，“author”：“Emma\u00a0Zhang”，“year“：”2020“，”journal-title“：”ACM事务处理。智力。系统。Technol公司。“}，{”key“：”10.1016\/j.future.2022.10.022_b40“，”unstructured“：”A.Madry，A.Makelov，L.Schmidt，D.Tsipras，A.Vladu，Towards deep learning models resistant attacks，in：International Conference on learning Representations，2018年。“}”，{“key”：“10.1016\/j.future.202210.022_b41”，“doi-asserted-by”：“crossref”，”“unstructure”：“M.Paschali，S。Conjeti，F.Navarro，N.Navab，《概括性与鲁棒性：使用对抗性示例调查医学成像网络》，摘自：Proc。医学图像计算和计算机辅助干预，第LNCS 11070卷，MICCAI，2018年，第493\u2013501页深度学习中的对抗性攻击和防御”，“卷”：“6”，“作者”：“任”，“年份”：“2020”，“新闻标题”：“工程”}，{“关键”：“10.1016\/j.future.2022.10.022_b43”，“doi-asserted-by”：“crossref”，“首页”：“1”，“doi”：“1016\/j.neunet.200.12.024”，“文章标题”：137“，“作者”：“斯里尼瓦桑”，“年份”：“2021年”，“新闻标题”：“神经网络”。“}，{”issue“：”2“，”key“：”10.1016\/j.future.2022.10.022_b44“，”doi-asserted-by“：”crossref“，”first page“：“151”，“doi”：“10.1007\/s11633-019-1211-x”，“article-title”：“图像图形和文本中的对抗性攻击和防御：综述”，“volume”：“17”，“author”：“Xu”，“year”：“2020”，“journal-title“：”Int.j.Autom.Compute.“}”，{“key”：“10.1016\/j.future.2022.10.022_b45“，”doi-asserted-by“：”crossref“，”unstructured“：”Petra“。罗曼·维德内洛娃。Neruda，深度和浅层机器学习模型的对抗性示例的进化生成，摘自：Proc。第三届多学科国际社会网络会议，2016年。“，”DOI“：”10.1145\/2955129.2955178“}，{”journal-title“：”IEEE Access“，”article-title”：“使用粒子群优化攻击黑盒图像分类器”，“年份”：“2019”，“作者”：“张”，“密钥”：“10.1016\/j.future.2022.10.022_b46“}”，{“问题”：“5”，“key”：“10.1016\/j.future.2022.10.022_b47“，”doi-asserted-by“：”crossref“，”first page“：”828“，”doi“：”10.1109\/TEVC.2019.2890858“，”article-title“：”愚弄深层神经网络的单像素攻击“，”volume“：“23”，”author“：”Su“，“year”：“2019”，”journal-title”：“IEEE Trans。进化。计算。“}]，”容器标题“：[”未来一代计算机系统“]，”原始标题“：[]，”语言“：”en“，”链接“：[｛”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S016677739X22003375？httpAccept=text\/xml“，”内容类型“：”text\/xml“，”内容版本“：”vor“，”预期应用程序“：”文本挖掘“｝，｛”URL“：”https:\/\/api.elsevier.com/content\/article\/PII:S0167739X22003375？httpAccept=text\/plain“，”content-type“：”text\/prain“，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2023,2,9]]，“date-time”：“2023-02-09T14:12:49Z”，“timestamp”：1675951969000}，“score”：1，“resource”：{“primary”：“URL”：“https:\/\/linkinghub.elsevier.com//retrieve\/pii\/S0167739 X22003375“}}，”副标题“：[]，”shorttitle“：[]，”issued“：{”date-parts“：[[2023,3]]}，”references-count“：47，”alternative-id“：[”S0167739X22003375“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.future.2022.10.022“，”relation“：{}，“ISSN”：[”0167-739X“]，“ISSN-type”：[{“type”:“print”，“value”：“0167-739 X”}]，“subject”：[]，“published”：{“date-parts”：[[2023,3]]}，“assertion”：[{“value”：“Elsevier”，“name”：“publisher“，”label“：”本文由“}，{”value“：”基于嗅蜂优化算法的图像分类中对深度学习网络的对抗性攻击“，”name“：”articletite“，”标签“：”article Title“}”，{“value”：“未来一代计算机系统”，“name”：“journaltitle”，“label”：“Journal Title”}，}“value”：“”https:\/\/doi.org\/10.1016\/j.future.2022.10.022“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}，”{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{“value”：“\u00a9 2022 Elsevier B.V.保留所有权利