深度学习正则化（五）—— 对抗训练 + 切面分类（三十二）
1. 定位导航
正则化系列收官篇。本篇内容来自两个出人意料的发现：
- 对抗样本（Adversarial Examples）：2014 年 Szegedy 等人发现——给图像加入人眼几乎不可见的扰动，可以让神经网络完全分类错误
- 流形假设的精确利用：把"数据在流形上"这个假设直接编码到模型中
这两者结合，让深度学习既鲁棒又符合数据几何。
2. 对抗样本：深度学习的"魔术揭秘"
2.1 著名的"熊猫 → 长臂猿"案例
2014 论文经典图：
| 图像 | 模型预测 | 置信度 |
|---|---|---|
| 原图（熊猫） | “panda” | 57.7% |
| 原图 + ε·sign(∇J) 噪声 | “gibbon”（长臂猿） | 99.3% |