APSD

看穿对抗攻击：用视觉标准量化扰动隐蔽性

开源 free 数据集
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 853
维护状态 维护中
是否开源 是
定价模式 free

项目预览

项目数据

分类数据集
开发团队hcliucs
所属国家
官网地址
GitHubhttps://github.com/hcliucs/APSD
定价模式free
价格说明开源数据集，免费获取
访问状态
是否开源是
开源协议
主要语言
技术栈/模型adversarial-attacks,dataset
GitHub 星标★ 853
30天Star增速
HF 下载量
上线时间2023-07-28 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态维护中
中文支持
访问方式
移动端支持
综合评分
收录时间2026-09-05
浏览次数3

项目介绍

APSD 是论文《从视觉角度评估对抗扰动的隐蔽性》的官方数据集，旨在解决对抗样本攻击中扰动隐蔽性难以量化评估的问题。该数据集提供了大量带有对抗扰动的图像样本，并包含基于视觉感知的隐蔽性标注，支持研究人员系统性地评估不同对抗攻击方法生成的扰动在人类视觉下的可察觉程度。其核心能力包括：提供标准化测试基准，覆盖多种主流攻击算法（如FGSM、PGD等）产生的扰动图像；附带详细的视觉隐蔽性评分，便于对比分析；支持图像分类任务中的对抗鲁棒性研究。通过该数据集，研究者可以更科学地衡量攻击的威胁等级，推动更隐蔽攻击的防御研究。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

核心亮点

  • 首个聚焦视觉隐蔽性的对抗扰动专用数据集，填补评估空白
  • 覆盖主流攻击方法，标注体系标准化，便于横向对比
  • 附带论文与基准结果，上手门槛低，便于复现研究

不足之处

  • 数据集规模可能有限，扩展性待观察
  • 文档和社区支持相对薄弱，需自行探索

适用场景

  • 对抗攻击算法隐蔽性对比评估
  • 防御方法效果验证（以视觉隐蔽性为指标）
  • 人眼感知与机器学习模型差异研究

替代项目

ImageNet-A、CIFAR-10-C、RobustBench

上一篇：GTSinger

下一篇：fg-data-synthetic

同类项目推荐

X-AnyLabeling 开源

一站式AI辅助标注，图像视频文本通吃，导出格式随心配

X-AnyLabeling: A lightweight, efficient, and unified cross-platform desktop applicat···

★ 10742 2026-08-10
aisheets 开源

像用表格一样批量调 AI，不写代码就能造和改数据集

Build, enrich, and transform datasets using AI models with no code

★ 1652 2026-09-20
DataGen 开源

用大模型一键生成定制化训练数据，告别数据荒

[ICLR'25] DataGen: Unified Synthetic Dataset Generation via Large Language Models

★ 69 2026-08-09
distilabel 开源

基于论文的合成数据流水线，快速生成高质量 AI 反馈数据。

Distilabel is a framework for synthetic data and AI feedback for engineers who need ···

★ 3425 2026-08-10