| 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：技術論文 | |
| 上傳者：zhoubin333 | |
| 文檔大?。?span>629 K | |
| 標簽： 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：在黑盒攻擊領域，目前主流方法是利用對抗樣本遷移性實現對抗攻擊，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模型中的損失函數梯度。為提高攻擊效率，算法在兩方面進行優化：第一，在估計梯度時，固定區域內使用平均像素值代替區域所有像素值進行有限差分，從而每個區域只需計算一次梯度；第二，在迭代生成對抗樣本時，提出復用多代梯度生成對抗擾動的思想，顯著減少攻擊迭代次數。經過大量實驗驗證，在MNIST、CIFAR-10和ImageNet中迭代的非目標攻擊分別獲得了99.8％、99.9％和85.8％的攻擊成功率，領先當今大多數黑盒攻擊算法。 | |
| 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