基于模型间迁移性的黑盒对抗攻击起点提升方法

• 全文链接
• 请求原文

作   者：

陈晓楠;  胡建敏;  张本俊;  陈爱玲; 

作者机构：

南京航空航天大学电子信息工程学院;  山东省烟台市实验中学;  国防大学联合勤务学院; 

关键词：

初始样本;  无目标攻击;  有目标攻击;  迁移性;  边界攻击;  黑盒攻击;  对抗样本; 

期刊名称：

计算机工程

i s s n：

1000-3428

年卷期：

2021 年 47 卷 008 期

页   码：

162-169

摘   要：

为高效地寻找基于决策的黑盒攻击下的对抗样本,提出一种利用模型之间的迁移性提升对抗起点的方法.通过模型之间的迁移性来循环叠加干扰图像,生成初始样本作为新的攻击起点进行边界攻击,实现基于决策的无目标黑盒对抗攻击和有目标黑盒对抗攻击.实验结果表明,无目标攻击节省了23%的查询次数,有目标攻击节省了17%的查询次数,且整个黑盒攻击算法所需时间低于原边界攻击算法所耗费的时间.