对于刚接触对抗样本领域的小伙伴们来说，看到领域内众多文章时，简直眼花缭乱。这时候，如果一篇好的综述概括了当前领域内的主要进展，提供给我们该领域的全局视野时，可以带领小白快速入门，起到事半功倍的效果。在此，我推荐几篇对抗样本的综述文章。

[1] Threat of Adversarial Attacks on Deep Learning in Computer Vision: A Survey
链接：https://arxiv.org/abs/1801.00553
简介：本文是2018年左右的一篇综述，现在很多最新的进展没有被包含在内。但是涵盖了最经典的一些对抗攻击与防御方法。推荐作为该方向的入门读物。

[2] Adversarial Examples in Modern Machine Learning: A Review
链接：https://arxiv.org/abs/1911.05268
简介：这篇文章发布在2019年11月份，是当前最新并且概括最全的综述文章，总结了对抗攻击、现实世界的对抗攻击、对抗防御，讨论了对抗样本的迁移性。