黑盒攻击很难？元学习提高"黑盒对抗攻击"成功率

作者：你好赵伟 | 2024-07-26 07:05:44

踩

aliasing black box adversarial attack with joint self-attention distribution

关注公众号，发现CV技术之美

本文分享论文『Boosting Black-Box Adversarial Attacks with Meta Learning』，元学习提高黑盒对抗攻击。

详细信息如下：

引言

在深度学习中，黑盒攻击是对抗攻击中最难的一种攻击方式，它不像白盒攻击可以获取到足够的模型和数据集的知识，它只能依靠简单的输入和输出映射信息来对未知模型进行攻击，所以，这就导致了黑盒攻击攻击成功率较低和查询次数较高的问题。

在该论文中，作者提出了一种混合的攻击方式，将元对抗扰动作为初始化并利用模拟梯度进行黑盒攻击，元对抗扰动的一个优势在于有较好的迁移性和泛化性。实验结果表明，论文中的方法在不仅可以提高攻击成功率，也可以有效地降低查询次数。

声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/你好赵伟/article/detail/884086