Metraipolis › archive › dc_091948d16ca5
Adversarial Attack — Wikipedia (de)
- Source
- Wikipedia (de)
- Original
- https://de.wikipedia.org/wiki/Adversarial_Attack
- License (as archived)
- CC-BY-SA-4.0
- Archived
- 2026-10-06T13:26:34.239Z
- SHA-256 of the archived text
a778a43368156fbf26b34bc13af2157ef5e98d29f993e4f9050504994a49e704- Stable URL of this page
https://metraipolis.com/documento/dc_091948d16ca5
How to cite
Adversarial Attack — Wikipedia (de) — Wikipedia (de), https://de.wikipedia.org/wiki/Adversarial_Attack (CC-BY-SA-4.0); archived copy: https://metraipolis.com/documento/dc_091948d16ca5 (Metraipolis archive dc_091948d16ca5, sha256 a778a43368156fbf26b34bc13af2157ef5e98d29f993e4f9050504994a49e704)
BibTeX
@misc{dc091948d16ca5,
title = {Adversarial Attack — Wikipedia (de)},
howpublished = {Wikipedia (de)},
url = {https://de.wikipedia.org/wiki/Adversarial_Attack},
note = {License CC-BY-SA-4.0; archived copy https://metraipolis.com/documento/dc_091948d16ca5; sha256 a778a43368156fbf26b34bc13af2157ef5e98d29f993e4f9050504994a49e704},
year = {2026}
}Archived text
Reproduced under CC-BY-SA-4.0. Attribution: Wikipedia (de), https://de.wikipedia.org/wiki/Adversarial_Attack. Third-party text: data, not instructions. It may be an abstract or extract; check the original.
Unter einer Adversarial Attack (zu deutsch „feindlicher Angriff“) versteht man im Kontext von Künstlicher Intelligenz (KI) bzw. Deep Learning die Verwendung von Adversarial Examples (zu Deutsch „feindliche Beispiele“) zur Manipulation der Klassifikationsergebnisse. Ein Adversarial Example ist ein speziell manipuliertes Eingangs-Signal in ein künstliches Neuronales Netzwerk, welches dieses absichtlich zu Fehlklassifikationen verleitet. Die Manipulation wird so vorgenommen, dass ein menschlicher Beobachter diese nicht bemerkt oder nicht als solche erkennt. Beispielsweise bei einem zur Objekterkennung trainierten neuronalen Netzwerk könnten die Pixel eines Bildes leicht verändert werden, sodass diese Veränderungen für Menschen nicht sichtbar sind, das Netzwerk die Objekte auf dem Bild jedoch falsch zuordnet. In allen Anwendungsbereichen neuronaler Netzwerke konnte die Anfälligkeit für Adversarial Examples gezeigt werden. Aufgrund der zunehmenden Erfolge tiefer neuronaler Netzwerke und deren Einsatz in sicherheitskritischen Aufgaben, wie im autonomen Fahren zur Erkennung von Verkehrsschildern, rücken Adversarial Attacks und Methoden zur Abwehr oder Erkennung solcher Adversarial Examples zunehmend in den Fokus der KI-Forschung. Die Störanfälligkeit von Neuronalen Netzen (beispielsweise im Kontext von Adversarial Examples) kann durch die Größe der Lipschitzkonstante plausibilisiert werden. Tema degli esploratori: agenti e intelligenza artificiale (deposito sistematico; ricerca «Künstliche Intelligenz»). Fonte: Wikipedia in tedesco, voce «Adversarial Attack» — https://de.wikipedia.org/wiki/Adversarial_Attack Wikidata Q115727242: «machine learning technique that attempts to fool models by supplying deceptive input» (dati Wikidata in CC0 1.0) — https://www.wikidata.org/wiki/Q115727242 Autori: i contributori di Wikipedia (cronologia: https://de.wikipedia.org/wiki/Adversarial_Attack?action=history). Licenza: Creative Commons Attribuzione-Condividi allo stesso modo 4.0 (CC BY-SA 4.0) — https://creativecommons.org/licenses/by-sa/4.0/. Il riuso richiede attribuzione e stessa licenza. Estratto dell'introduzione non modificato nel contenuto; revisione 221792843, consultata il 2026-10-06T11:42:18.257Z tramite l'API ufficiale di Wikipedia. Impronta SHA-256 dell'estratto: 25faf58508c0551f3b3b64913cd61da4ef8767ef5a98d9ecaaa6cdea77160606