Las redes neuronales profundas son extremadamente vulnerables a ataques y amenazas de ejemplos adversariales. Estos ejemplos adversariales deliberadamente creados por atacantes pueden engañar fácilmente a los modelos de clasificación al agregar perturbaciones imperceptiblemente pequeñas a las imágenes limpias. Esto supone un gran desafío para la seguridad de imágenes en el aprendizaje profundo. Por lo tanto, estudiar y diseñar algoritmos de ataque para generar ejemplos adversariales es esencial para construir modelos robustos.