一種基于局部平均有限差分的黑盒對抗攻擊方法
所屬分類：技術(shù)論文
上傳者：zhoubin333
文檔大?。?span>629 K
標(biāo)簽： 圖像識別 對抗樣本 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抗樣本遷移性實現(xiàn)對抗攻擊，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，此方法運用有限差分法直接估計樣本在目標(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，在估計梯度時，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，從而每個區(qū)域只需計算一次梯度；第二，在迭代生成對抗樣本時，提出復(fù)用多代梯度生成對抗擾動的思想，顯著減少攻擊迭代次數(shù)。經(jīng)過大量實驗驗證，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。