计算机视觉中深度学习面临的对抗攻击威胁：综述

深度学习是当今机器学习和人工智能兴起的核心。在计算机视觉领域，它已成为从自动驾驶汽车到监控与安全等应用的主力。尽管深度神经网络在解决复杂问题中展现了惊人的成功（常超越人类能力），近期研究表明它们易受对抗攻击，即输入中细微扰动导致模型预测错误输出。对于图像，此类扰动通常小到难以察觉，却完全欺骗深度学习模型。对抗攻击对深度学习的实际成功构成严重威胁。这一事实引发了该方向大量的研究贡献。本文呈现了计算机视觉中深度学习对抗攻击的首个全面综述。我们回顾了设计对抗攻击、分析此类攻击存在性以及提出防御方法的工作。为强调对抗攻击在实际条件下是可能的，我们单独回顾了在真实场景评估对抗攻击的贡献。最后，我们基于文献提供了该研究方向更广阔的展望。