此数据集包含[NIPS 2017对抗性学习竞赛]第二轮开发的运行时统计数据和分数详情(https://www.kaggle.com/nips-2017-adversarial-learning-competition)##具有中间结果的内容矩阵提供了以下具有中间结果的矩阵：**Accurance\u矩阵。csv**-矩阵，包含每对攻击（目标和非目标）和防御***错误矩阵的正确分类图像数。csv**-矩阵，包含每对攻击（目标和非目标）和防御的错误分类图像数***hit\U target\U class\U矩阵。csv**-对于每对攻击（目标攻击和非目标攻击）和防御，图像被分类为特定目标类的次数矩阵，在这些矩阵中，行对应防御，列对应攻击。第一行和第一列也是带有Kaggle团队ID（或基线ID）的标题。提交的分数和运行时统计信息以下文件包含提交的分数和运行时统计信息：**non\u targeted\u attack\u results。csv**-所有非目标攻击的得分和运行时统计数据***targeted\u attack\u结果。csv**-所有目标攻击的得分和运行时统计数据***defense\u结果。csv**-所有防御的得分和运行时统计数据这些文件的每一行对应于一次提交。列具有以下含义：*KaggleTeamId-Kaggle团队ID或基线ID。*TeamName-人类可读的团队名称*分数-提交的原始分数*标准化分数-提交的标准化（介于0和1之间）分数*MinevalTime-100幅图像的最小评估时间*MaxevalTime-100幅图像的最大评估时间*MediaevalTime-100幅图像的中值评估时间*MeanevalTime-100幅图像的平均评估时间##数据说明*由于团队合并，这些文件中的团队名称可能与排行榜不同。*并非所有攻击都用于计算防御分数，也并非所有防御都用于计算攻击分数。因此，如果您只是将相应矩阵的行/列中的值相加，您将无法获得提交的准确分数（但您获得的数字将非常接近实际分数）。*很少有目标和非目标攻击对所有批次的图像超过500秒的时间限制。这些投稿在官方排行榜中获得0分。我们仍然能够计算这些提交的“真实”分数，并将其包含到非\u targeted\u attack\u结果中。csv和targeted\u attack\u结果。csv文件。然而，这些分数在提供的文件中被否定，以强调这些提交违反了时间限制。