| 一种基于局部平均有限差分的黑盒对抗攻击方法 | |
| 所屬分類：技术论文 | |
| 上傳者：zhoubin333 | |
| 文檔大小：629 K | |
| 標簽： 图像识别 对抗样本 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：在黑盒攻击领域，目前主流方法是利用对抗样本迁移性实现对抗攻击，然而此类方法效果不佳。为此提出一种基于访问的黑盒攻击方法，此方法运用有限差分法直接估计样本在目标模型中的损失函数梯度。为提高攻击效率，算法在两方面进行优化：第一，在估计梯度时，固定区域内使用平均像素值代替区域所有像素值进行有限差分，从而每个区域只需计算一次梯度；第二，在迭代生成对抗样本时，提出复用多代梯度生成对抗扰动的思想，显著减少攻击迭代次数。经过大量实验验证，在MNIST、CIFAR-10和ImageNet中迭代的非目标攻击分别获得了99.8％、99.9％和85.8％的攻击成功率，领先当今大多数黑盒攻击算法。 | |
| 現在下載 | |
| VIP會員，AET專家下載不扣分；重復下載不扣分，本人上傳資源不扣分。 | |
Copyright ? 2005-2024 華北計算機系統工程研究所版權所有 京ICP備10017138號-2