对抗样本

对抗样本（Adversarial Examples）定义：是指通过对原始输入数据（如图像、文本、语音）施加人类难以察觉的微小扰动，导致机器学习模型（尤其是深度学习模型）做出错误预测的特殊样本。其核心矛盾在于：人类感知不到输入的变化，但模型的决策边界对这类扰动异常敏感。

对抗样本用处：对抗样本的价值体现在 **“攻防两端”**：既可能被用于恶意攻击，也能作为工具推动 AI 模型的鲁棒性提升