APSD

看穿对抗攻击：用视觉标准量化扰动隐蔽性

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。

开源 free 数据集

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 1211

维护状态活跃

是否开源是

定价模式 free

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★ 1211

30天Star增速

HF 下载量

上线时间2023-07-28 00:00:00

最近更新2026-09-04 00:00:00

维护状态活跃

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0

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

项目介绍

APSD 是一个数据集领域的开源项目，官方简介：Official dataset for “Stealthiness Assessment of Adversarial Perturbation: From a Visual Perspective”。项目使用未知开发，在 GitHub 上获得 1211 星标。

上一篇：GTSinger

下一篇：fg-data-synthetic