# 对抗样本生成

> **仅限授权使用：这是用于授权测试与研究的安全工具或资料，只能在你有权测试的系统上使用。**

- 原标题：Adversarial Example Generation
- 类型：教程
- 来源：docs.pytorch.org
- 发布时间：2023-01-01
- 首次精选：2026-10-29 23:09
- 分级：值得看
- 学习层级：进阶
- 主题：[ai-attacks-defense](<https://oplearnx.com/md/topics/ai-attacks-defense.md>)（第 13 位）
- 原文链接：[https://docs.pytorch.org/tutorials/beginner/fgsm\_tutorial.html](<https://docs.pytorch.org/tutorials/beginner/fgsm_tutorial.html>)
- 本站页面：[https://oplearnx.com/resources/pk\_f26361e7037c](<https://oplearnx.com/resources/pk_f26361e7037c>)

## 摘要

PyTorch 官方教程文档（对应 2.15.0\+cu132 版本），作者为 Nathan Inkawhich，创建于 2018 年 8 月 14 日，最后更新于 2025 年 1 月 27 日。教程以图像分类器为例，介绍机器学习模型的安全与鲁棒性问题，使用快速梯度符号法（FGSM）攻击来欺骗 MNIST 分类器，演示对图像加入人眼难以察觉的扰动即可显著改变模型表现，并讨论了对抗攻击的不同类别与威胁模型。页面提供在 Google Colab 中运行和下载 Notebook 的入口。

---
来源：LearnMap · 学径（https://oplearnx.com）