自恢复对抗样本：社交网络中一种新型有效保护机制

恶意智能算法通过检测和分析上传至社交网络平台的照片，极大威胁了社交用户隐私的安全。对抗攻击给深度神经网络（DNN）带来的破坏，启发了将对抗样本作为社交网络隐私安全新保护机制的潜力。然而，现有对抗样本不具备作为有效保护机制所需的恢复性。为解决此问题，我们提出一种可恢复生成对抗网络以生成自恢复对抗样本。通过将对抗攻击与恢复建模为统一任务，我们的方法在最大化攻击能力的同时最小化恢复样本的误差，从而获得了更好的对抗样本恢复性。为进一步增强这些样本的恢复性，我们利用降维器优化对抗扰动的分布。实验结果证明，所提方法生成的对抗样本在不同数据集和网络架构上表现出优越的恢复性、攻击能力与鲁棒性，确保了其作为社交网络保护机制的有效性。