{“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”：[[2024,6,18]]，“日期-时间”：“2024-06-18T05:07:24Z”，“时间戳”：1718687244776}，“引用-计数”：41，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：“日期-零件”：[[2021,6,1]]，”日期-时间“：”2021-06-01T00:00:00 0:00Z“，”时间戳“：1622505600000}，”内容-版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}]，“资助者”：[{“DOI”：“10.13039\/501100018553”，“名称”：“中国温州科技计划项目”，“DOI-asserted-by”：“publisher”}，{“DOI”：”10.13039\\501100004731“，”名称“浙江省自然科学基金”，“DOI-assertd-by”：“publisher”}，{“DOI”：“10.13039\/501100001809”，“name”：“国家自然科学基金”，“doi-asserted-by”：“publisher”}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Information Sciences”]，”published-print“：{”date-parts“：[2021,6]}，”doi“：”10.1016\/j.ins.2020.042“，”type“”：“journal-article”，“created”：{“date-parts”：[[2020,12,20]]，“date-time”：“2020-12-20T15:10:21Z”，“timestamp”：1608477021000}，“page”：“256-270”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：51，“title”：[“通过分层特征对齐实现对抗防御的稳健特征学习”]，“前缀”：“10.1016”，“卷”：“560”，“作者”：[{“给定”：“小秦”，“家庭”：“张”，“序列”：“第一”，“从属关系”：[]}，{“给出”：“金鑫”，“家族”：“王”，“顺序”：“附加”，“附属关系”：[]}、{“已知”：“道”，“家人”：“王”，“序号”：“额外”，“隶属关系”：【】}，}“给定的”：“润华”，“家”：“江”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Jiawei”，“family”：“Xu”，“sequence”：“additional”，“affiliation”：[]}，{“fixed”：“Li”，“家庭”：“Zhao”，“serquence”:“additionable”，“filiation“：[]2]，“member”：“78”，“reference”：[{“key”：”10.1016\/j.ins.200.12.042_b0005“，“series-title”：“IEEE安全与隐私研讨会”，“首页”：“39”，“article-title”：“评估神经网络的稳健性”，“author”：“Carlini”，“year”：“2017”}，{“key”：“10.1016\/j.ins.2020.042_b0010”，“doi-asserted-by”：“crossref”，“doi”：“101109\/TPAMI.2020.3033291”，“article-title”：“注意力上的普遍对抗性攻击以及由此产生的数据集damagenet”，“author”:“Chen”，“year”：”2020“，”journal-title“：“IEEE模式分析与机器汇刊”}，{“key”：“10.1016\/j.ins.2020.042_b0015”，“series-title”：“计算机视觉与模式识别IEEE会议论文集”，“首页”：“433”，“文章标题”：“基于图的全局推理网络”，“作者”：“Chen”，“年份”：“2019”}：“人工智能与统计会议论文集”，“首页”：“215”，“文章标题”：“无监督特征学习中单层网络的分析”，“作者”：“Coates”，“年份”：“2011年”}，{“密钥”：“10.1016\/j.ins.2020.042_b0025”，”doi-asserted-by“：”crossref“，”first page“：”1853“，”doi“：”10.1109\/TPAMI.2016.2615921“，“article-title”：“领域自适应的最佳传输”，“volume”：“39”，“author”：“Courty”，“year”：“2017”，“journal-title“：“IEEE模式分析和机器智能事务”}，{“key”：”10.1016\/j.ins.2020.042_b0030“，“series-title”：”神经信息处理系统的进展“，”首页“：”2292“articles-title：“Sinkhorn distances:Lightspeed computation of optimal transport”，“author”：“Cuturi”，“year”：“2013”}，{“key”：“10.1016\/j.ins.2020.042_b0035”，“series-title”：“IEEE计算机视觉与模式识别会议论文集”，“first page”：《1122》，“article-title”：《利用联合鲁棒性对抗扰动》，“author”：“Dabouei”，“年份”：“2020”｝，｛“密钥”：“10.1016\/j.in.2020.12.042_b0040”，“非结构化”：“Das N.，Shanbhogue M.，Chen S.T.，Hohman F.，Chen L.，Kounavis M.E.，Chau D.H.，《让坏人远离：用jpeg压缩保护深度学习并为其接种疫苗》，2017，arXiv预印本arXiv:1705.02900。”｝，｛“密钥”：“10.1016\/j.in.2020.12.042_b0045”，“系列标题”：“IEEE计算机视觉与模式识别会议论文集”，“首页”：“9185”，“文章标题”：“以动量推进对抗性攻击”，“作者”：“董”，“年份”：“2018”}，{“关键”：“10.1016\/j.ins.2020.042_b0050”，“非结构化”：“Dziugaite G.K.，Ghahramani Z.，Roy D.M.，jpg压缩对对抗性图像影响的研究，2016，arXiv预印本arXiv:160800853。”}，{“key”：“10.1016\/j.in.2020.12.042_b0055”，“nonstructured”：“Goodfellow I.，Nips 2016教程：生成对抗性网络，2016，arXiv预印本arXiv:1701.00160.”}，{“key”：“10.1016\/j.in.2020.12.042_b0060”，“非结构化”：“Goodfellow I.j.，Shlens j.，Szegedy C.，解释和利用对抗性例子，2014，arXiv预印本arXiv:1412.6572.”}，｛“key”：“10.1016\/j.in.2020.12.042_b0065”，“系列标题”：“国际学习表征会议论文集”，“文章标题”：“使用输入转换对抗对手图像”，“author”：“Guo”，“year”：“2018”}，{“key”：“10.1016\/j.ins.2020.042_b0070”，“doi-asserted-by”：“crossref”，“first page”：《182》，“doi”：“101016\/j.ins.2019.05.084”，“article-title”：“通过深度神经网络的预测差异检测对手示例”，“volume”：，“year”：“2019”，“journal-title”：“Information Sciences”}，{“key”：“10.1016\/j.ins.2020.042_b0075”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.ins.2020.02.067”，“article-title（文章标题）”：“Dc-spp-yolo：基于密集连接和空间金字塔池的yolo，用于对象检测”，“author”：“Hung”，“year:”2020“，”journal-title“：”Information Scences“}，}”key“：“10.1016\/j.ins.2020.042_b0080”，“series-title”：“IEEE计算机视觉和模式识别会议论文集”，“首页”：“1241”，“article-title”：“Learn2in扰：端到端特征扰动学习，以提高对抗鲁棒性”，“author”：“Jeddi”，“year”：“2020”}，{“key”：：“神经信息处理系统的进展”，“首页”：“1097”，“文章标题”：“深度卷积神经网络的Imagenet分类”，“作者”：“Krizhevsky”，“年份”：“2012”}，{“关键”：“10.1016\/j.ins.2020.042_b0090”，“非结构化”：“Kurakin A.，Goodfellow I.，Bengio S.，《物理世界中的对抗性例子》，2016，arXiv预印本arXiv:1607.02533。”}，{“key”：“10.1016\/j.ins.2020.042_b0095”，“unstructured”：“Luo Y.，Boix X.，Roig G.，Poggio T.，Zhao Q.，《基于Foveation-based mechanism release antial examples》，2015，arXiv:1511.06292.”}：“10.1016\/j.ins.2020.042_b0100”，“unstructured”：“Madry A.，Makelov A.，Schmidt L.，Tsipras D.，Vladu A.，面向对抗性攻击的深度学习模型，2017，arXiv预印本arXiv:1706.06083.”}，{“key”：“10.106\/j-ins.2020.42_b0105”，“series-title”：“IEEE计算机视觉和模式识别会议论文集”，“first page”：“2574”，“article-title”：“Deepfool：愚弄深度神经网络的简单准确方法”，“author”：“Moosavi-Dezfouli”，“year”：“2016”}，{“key”：”10.1016\/j.ins.2020.042_b0110“，”doi-asserted-by“：”crossref“，”doi“：”10.1109\/TPAMI.2020.2978474“，”article-title“：”敌方防御的深度监督歧视性学习“，”author“：“Mustafa”，“year”：“2020”，“journal-title”：“IEEE Transactions on Pattern Analysis and Machine Intelligence”}，{“key”：“10.1016\/j.ins.2020.042_b0115”，“doi-asserted-by”：“crossref”，”first page“：”1711“，”doi“：”10.1109\/TIP.2019.2940533“，”article-title“：”Image super-resolution as as a defense to again atrial attacks“，”volume“29”，“author”：“Mustfa”，“year”：“2019”，“journal-title”：“IEEE Transactions on Image Processing”}，{“key”：“10.1016\/j.ins.2020.042_b0120”，“doi-asserted-by”：“crossref”，“unstructured”：“Peyr\u00e9 G.，Cuturi M.，计算优化传输，2018，arXiv预印本arXiv:1803.00567.”，“doi”：“101561\/9781680835519”}、{“key”：”10.1016\/j.ins.2020.042_b0125“，“连拍”：“神经信息处理系统的进展”，“首页”：“91”，“文章标题”：“更快的r-cnn：利用区域提议网络实现实时目标检测”，“作者”：“任”，“年份”：“2015”}，{“密钥”：“10.1016\/j.ins.2020.042_b0130”，“非结构化”：“Samangouei P.，Kabkab M.，Chellappa R.，Defense-gan:使用生成模型保护分类器免受对手攻击，2018，arXiv预印本arXiv:1805.06605.”}，{“key”：“10.1016\/j.ins.2020.042_b0135”，“series-title”：“IEEE计算机视觉和模式识别会议论文集”，“article-title”：“用定制抽样抛光基于决策的对抗性噪声”，“author”：“Shi”，“year”：“2020”}，{“key”：“10.1016\/j.ins.2020.142_b0140”，“article-title”：“对可解释的对抗性鲁棒性的自适应迭代攻击”，“volume”：”107309“，“author”：“Shi”，”year“2020”，“journal-title“：”Pattern Recognition“}，”{“key”：“10.1016\/j.ins.2020.042_b0145”，“series-title”：“IEEE计算机视觉和模式识别会议论文集”，“首页”：“6519”，“article-title”：“卷曲和乳清：推动黑盒对抗性攻击”，“author”：“Shi”，“year”：“2019”}，{“key”：：“Song C.，He K.，Wang L.，Hopcroft J.E.，用领域适应改进对抗训练的泛化，2018，arXiv预印本arXiv:1810.00740.”}，{“key”：“10.1016\/J.ins.2020.042_b0155”，“series-title”：“神经网络的有趣特性”，“author”：“Szegedy”，“year”：“2013”}、{“key”：”10.1016\/J.ins.2020.042_b0160“，”非结构化“：“Tolstikhin I.，Bousquet O.，Gelly S.，Schoelkopf B.，Wasserstein自动编码器，2017，arXiv预印本arXiv:1711.01558.”}，{“key”：“10.1016\/j.ins.2020.042_b0165”，“series-title”：“集合对抗训练：攻击和防御”，“author”：“Tram\u00e8r”，“year”：“2017”}、{“key”：”10.1016\/j.ins.2020.042_b0170“，“volume”：“第338卷”，“作者”：“Villani”，“year”：“2008”}，{“key”：“10.1016\/j.ins.2020.042_b0175”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.ins.2020.04.022”，“article-title”：“利用自适应梯度搜索为单个和集成深度神经网络生成对抗性示例”，“author”：“Xiao”，“年份”：“2020”，“新闻标题”：“Information Sciences”}、{“key”：“10.1016\/j.ins.2020.012.042_b0180”，“非结构化”：“谢C.，王j.，张Z.，任Z.，Yuille A.，通过随机化缓解对抗性影响，2017，arXiv预印本arXiv:1711.01991.”}，{“key”：“10.106\/j-ins.2020.142_b0185”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.ins.2020.05.099”，“article-title”：“使用resnet生成通用对抗扰动”，“author”：“Xu”，“year”：“2020”，“journal-title”：“Information Sciences”}，{“key”：“10.1016\/j.ins.2020.042_b0190”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.neucom.2020.04.147”，“article-title“视频去模糊的基于注意的插值网络”，“author”:“Zhang”，“year”：”2020“，“journal-title”：“Neurocomputing”}，{“key”：“10.1016\/j.ins.2020.042_b0195”，“doi-asserted-by”：“crossref”，“doi”：“101109\/TPAMI.2019.2929043”，“article-title（文章标题）：“稳健的低阶张量恢复与校正”，“author”：“Zhang”，“year”：“2019”，“jornal-title:”“IEEE Transactions on Pattern Analysis and Machine Intelligence（IEEE模式分析与机器智能）”}、{“key”：“10.1016\/j.ins.2020.042_b0200”，“article-title”：“基于金字塔通道的图像去叠特征注意网络”，“volume”：“103003”，“author”：“Zhang”，“year”：“2020”，“journal-title“：”计算机视觉和图像理解“}，{“key”：”10.1016\/j.ins.200.12.042_b0205“，”doi-asserted-by“：”crossref“，”第一页“：”233“，”doi“：“10.1016\/j.ins.2019.12.013”，“article-title”：“低分辨率图像分类的注意力感知增强网络”，“volume”：“515”，“author”：“Zhu”，“year”：“2020”，“journal-title“：“Information Sciences”}]，“container-title：“https:\/\/api.elsevier.com/content\/article\/PII:S0020025520312081？httpAccept=text\/xml”，“content-type”：“text\/xml”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\/\-api.elsever.com/content\/article \/PII:S002002550320312081？httpAccess=text\/plain”，“内容类型”：“文本\/plaine”，“content-version”：“vor”，“intended-application”：“text-mining”}]，“deposed”：{“date-parts”：[[2021,4,17]]，“date-time”：“2021-04-17T08:57:59Z”，“timestamp”：1618649879000}，“score”：1，“resource”：{primary“：{”URL“https:\/\/linkinghub.elsevier.com\/retrieve\/pii\/S0025520312081”}}，”subtitle“：[]，”shorttitle“：[]，”issued“日期：{parts“：[[2021,6]]}，”references-count“：41，“alternative-id”：[“S0020025520312081”]，“URL”：“http://\/dx.doi.org\/10.1016\/j.ins.2020.142”，“关系”：{}，“ISSN”：[”0020-0255“]，“ISSN-type”：[{“值”：“0020-0255]，“类型”：“打印”}]，“主题”：[]，“发布”：{“日期部分”：[2021,6]]}，“name”：“publisher”，“label”：“本文由”}，{“value”维护”：“通过层次化特征对齐实现对抗性防御的稳健特征学习”，“name”：“articletitle”，“label”：“Article Title”}，{“value”：“Information Sciences”，“name”：“journaltitle”、“label“：”Journal Title“}，}”value“：”https:\/\/doi.org\/101016\/j.ins.200.12.042“，”name“：”articlelink“，”label“”：“CrossRef doi link to publisher mainted version”}，{“value”：“article”，“name”：“content_type”，“label”：“content-type”}，{”value“：”\u00a9 2020 Elsevier Inc.保留所有权利。“，”name“：”copyright“，”label“：”copyright”}]}