一種基于局部平均有限差分的黑盒對(duì)抗攻擊方法
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大小：629 K
標(biāo)簽： 圖像識(shí)別 對(duì)抗樣本 局部平均有限差分
所需積分：0分積分不夠怎么辦？
文檔介紹：在黑盒攻擊領(lǐng)域，目前主流方法是利用對(duì)抗樣本遷移性實(shí)現(xiàn)對(duì)抗攻擊，然而此類方法效果不佳。為此提出一種基于訪問的黑盒攻擊方法，此方法運(yùn)用有限差分法直接估計(jì)樣本在目標(biāo)模型中的損失函數(shù)梯度。為提高攻擊效率，算法在兩方面進(jìn)行優(yōu)化：第一，在估計(jì)梯度時(shí)，固定區(qū)域內(nèi)使用平均像素值代替區(qū)域所有像素值進(jìn)行有限差分，從而每個(gè)區(qū)域只需計(jì)算一次梯度；第二，在迭代生成對(duì)抗樣本時(shí)，提出復(fù)用多代梯度生成對(duì)抗擾動(dòng)的思想，顯著減少攻擊迭代次數(shù)。經(jīng)過大量實(shí)驗(yàn)驗(yàn)證，在MNIST、CIFAR-10和ImageNet中迭代的非目標(biāo)攻擊分別獲得了99.8％、99.9％和85.8％的攻擊成功率，領(lǐng)先當(dāng)今大多數(shù)黑盒攻擊算法。
現(xiàn)在下載
VIP會(huì)員，AET專家下載不扣分；重復(fù)下載不扣分，本人上傳資源不扣分。