创新点
扩展攻击对象
原来：
针对图片，给图片增加扰动；
该图来源网络
若是扩展到文件，无法修改样本标签，因为对于可执行文件，存在大量的检测平台，恢复样本标签。
现在：
针对安卓样本分类检测模型的攻击。办法是不去修改apk文件的标签。
编写python脚本完成毒饵文件制作过程。
改进后门攻击
原来：
需要控制样本标签；攻击难度高
修改后：
无需控制样本标签；降低攻击难度，这套策略拿来就可以用
改进对抗攻击
原来：
黑盒环境下时，由于原始特征集的缺失，攻击效果下降；
需要攻击者在目标模型上进行大量的查询来获得大量反馈。
现在：
采用了Conformal Prediction统计学习算法计算，得到容易影响子模型的边缘样本，借助边缘样本获取关键特征，借助样本的可迁移性，极少的查询便可偷取目标模型的决策方式。
项目技术路线
