基于单词替换的文本对抗样本攻击

生成质量良好的文本对抗样本对研究模型的鲁棒性有着重要意义。现有的单词级的攻击方法搜索到的替换词往往不够有效，对抗样本的质量也就难以达到理想水平。因此在现有的单词替换的方法下，利用知网(CNKI)搜索更高质量的替换词，产生更佳的扰动。实验结果表明，该方法提高了样本的攻击成功率，更贴近原始输入样本。