热门标签
热门文章
- 1第十三届蓝桥杯校内模拟赛第二期C/C++ A,B组真题_2021是一个非常特殊的数,它可以表示成两个非负整数的平方差,2021=45*45-2*2。
- 2Task1 认识并简单使用PyTorch_target.data.view_as
- 3CVPR-2020笔记 | 文末送书
- 4《算法导论》笔记（18） 最大流 含部分习题_最大流问题考研答案
- 5跑微光图像增强程序遇到的问题汇总_userwarning: nn.functional.tanh is deprecated. use
- 6八. 实战：CUDA-BEVFusion部署分析-学习CUDA-BEVFusion推理框架设计模式_bevpool
- 7Linux 查看防火墙，开放端口_linux查看防火墙端口是否开放
- 8高校学院网站 毕业设计 JAVA+Vue+SpringBoot+MySQL
- 9Fine-Grained Semantically Aligned Vision-Language Pre-Training细粒度语义对齐的视觉语言预训练_语义对齐 细粒度
- 10[AI算法][机器学习]：分类及回归问题_小样本回归预测
当前位置: article > 正文
对抗攻击不同方法特点比较_pgd对抗攻击
作者：笔触狂放9 | 2024-04-05 12:50:11
赞
踩
pgd对抗攻击
| 攻击方法 | 特点 | 攻击目标 | 适用模型 | 主要优点 |
|---|---|---|---|---|
| PGD 攻击 | - 迭代型攻击方法 | 误分类 | 深度神经网络 | 通用性高，适用于不同模型 |
| - 旨在找到最小程度的扰动 | ||||
| - 梯度方向决定扰动方向 | ||||
| - 扰动大小受限制 | ||||
| - 通常需要较多计算资源 | ||||
| CW 攻击 | - 优化型攻击方法 | 最小化扰动大小 | 深度神经网络 | 灵活，可定制攻击目标 |
| - 旨在最小化扰动大小并欺骗模型 | 通常需要较少迭代 | |||
| - 损失函数同时考虑分类错误和扰动大小 | ||||
| - 可选择不同扰动范数（如L2、L∞） | ||||
| FGSM 攻击 | - 单次迭代攻击方法 | 误分类 | 深度神经网络 | 快速生成对抗样本 |
| - 扰动大小直接与梯度成正比 | ||||
| - 通常使用L∞范数 | ||||
| JSMA 攻击 | - 单次迭代攻击方法 | 误分类 | 规则型模型（例如图像分类） | 改变像素值的颠倒性攻击 |
| - 针对规则型模型有效 | 需要目标标签 | |||
| - 通常需要目标标签 | ||||
| DeepFool 攻击 | - 迭代型攻击方法 | 误分类 | 深度神经网络 | 基于线性化模型的快速攻击方法 |
| - 寻找最小的扰动以欺骗模型 | 可适用于线性模型和非线性模型 | |||
| - 可以应用于不同范数的扰动 | 需要较少的迭代次数 | |||
| Boundary 攻击 | - 优化型攻击方法 | 穿越决策边界 | 深度神经网络 | 突破模型的决策边界 |
| - 旨在欺骗模型，使其在决策边界上变化 | 可定制攻击目标 | |||
| - 可以选择不同的目标类别进行攻击 | 需要较多的计算资源 | |||
| Universal 攻击 | - 迭代型攻击方法 | 误分类 | 深度神经网络 | 可生成适用于多个样本的扰动 |
| - 寻找最小的扰动以欺骗多个样本 | 高度通用性 | |||
| - 攻击目标为多个样本 | 需要更多计算资源 | |||
| Saliency Map 攻击 | - 单次迭代攻击方法 | 误分类 | 深度神经网络 | 利用输入的显著性信息 |
| - 通过显著性地扰动输入 | 非常高效 | |||
| - 可以改变输入的显著性 | 需要更多的领域知识 | |||
| Momentum 攻击 | - 迭代型攻击方法 | 误分类 | 深度神经网络 | 结合动量的迭代攻击方法 |
| - 结合了梯度方向和历史梯度信息 | 收敛速度相对较快 | |||
| - 有助于跳出局部极小值 | ||||
| - 可以使用不同的扰动范数 | ||||
| Sparse 攻击 | - 迭代型攻击方法 | 误分类 | 深度神经网络 | 利用稀疏扰动进行攻击 |
| - 扰动被限制为少量非零元素 | 在稀疏性问题中表现良好 | |||
| - 可以选择L0范数或L1范数的扰动 | ||||
| Transferability | - 从一个模型到另一个模型的攻击 | 误分类 | 多个深度神经网络 | 攻击成功率高 |
| Attack | - 利用对抗样本在不同模型之间的转移性 | 可跨多个模型进行攻击 | ||
| - 可以攻击具有相似结构的模型 |
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/笔触狂放9/article/detail/365652
推荐阅读
相关标签
