对抗性攻击下的MNIST手写数字图像数据集-sudulakishore
数据来源：互联网公开数据
标签：MNIST, 手写数字识别, 对抗样本, 机器学习, 深度学习, 图像分类, 鲁棒性, 图像数据
数据概述：
本数据集是针对MNIST手写数字图像数据集生成的对抗样本，旨在用于评估和提升机器学习模型在对抗性攻击下的鲁棒性。数据集包含60,000个训练样本和10,000个测试样本，每个样本均为28x28像素的灰度图像，并附带一个0到9的类别标签。该数据集与原始MNIST数据集具有相同的图像尺寸和数据结构，可直接替代原始数据集用于算法的基准测试。
数据集中每个图像由784个像素值构成，每个像素的取值范围为0到255，代表像素的灰度值，数值越高表示颜色越深。训练集和测试集均包含785列，其中第一列是类别标签，表示图像所代表的数字（0-9），其余列是像素值。
数据用途概述：
该数据集主要用于评估和改进机器学习模型对对抗性攻击的防御能力。研究人员可以使用此数据集来测试模型的准确性，并开发更具鲁棒性的模型。同时，该数据集也适用于进行对抗性攻击的实验，探索不同攻击方法对模型性能的影响。此外，它也适合用于机器学习和深度学习的教学和研究，帮助学习者理解对抗样本的概念和影响。
