Jun, 2019

用基于迁移的先验知识加强黑盒对抗攻击

PDF
TL;DR介绍了一种基于先验指导的随机无梯度（P-RFF）攻击方法，它利用了传输先验和查询信息，需要的查询次数更少、攻击黑盒模型的成功率更高，相较于现有最先进的方法。
black-box adversarialgradient-freeattack success ratestransfer-based priorquery information
发现论文，激发创造
  • 通过少量查询提高对抗样本的可迁移性

    本文提出了一种名为查询先验方法的新方法，通过使用少量的查询来增强快速梯度符号法的攻击可传递性，理论分析和广泛的实验表明，我们的方法可以显著提高基于梯度的对抗攻击在 CIFAR10/100 和 ImageNet 上的可传递性，并优于具有相同少量查询的黑盒查询攻击。

    May, 2022

  • 基于函数先验的贝叶斯优化引导的高效黑盒对抗攻击

    本研究提出了一种先验引导贝叶斯优化算法，用于黑盒对抗攻击，通过在查询 - based 攻击中结合白盒模型的梯度来改进查询效率。实验证明，与当前黑盒攻击算法相比，该算法在减少查询次数和提高攻击成功率方面具有明显优势。

    May, 2024

  • 基于梯度先验的决策类黑盒对抗攻击的增强

    提出了一种新颖的基于决策的黑盒攻击框架，DBA-GP，通过集成数据相关的梯度先验和时间相关的先验到梯度估计过程中，解决了边缘梯度差异和迭代梯度方向问题，从而提高了查询效率。广泛实验表明，该方法明显优于其他强基准方法。

    Oct, 2023

  • 有前科的：基于匪类和先验的黑匣子对抗攻击

    研究黑盒设置中生成对抗性示例的问题，介绍了统一黑盒攻击的框架，并演示了现有技术在某种意义上的最优性，同时，通过引入梯度先验，提出了一种基于探险优化的算法来无缝集成梯度先验。

    Jul, 2018

  • 基于可转移模型嵌入的黑盒对抗攻击

    本文提出了一种新的黑盒对抗攻击方法，通过使用预训练模型学习低维嵌入，然后在此嵌入空间内进行高效搜索，从而攻击未知目标网络。该方法能够生成具有高级语义模式的对抗性扰动，易于迁移，可大大提高黑盒对抗攻击的查询效率。作者在 MNIST、ImageNet 和 Google Cloud Vision API 上进行评估，并在 CIFAR10 和 ImageNet 上攻击对抗性防御网络，取得了良好的攻击效果。

    Nov, 2019

  • 利用可迁移的先验知识和查询反馈学习黑盒攻击者

    提出了一种名为 “Learnable Black-Box Attack” 的新方法，将基于转移和基于查询的黑盒攻击相结合，在 Surrogate Model 下进行攻击，并通过高阶梯度逼近（HOGA）有效地利用了查询反馈。实验结果表明，“Learnable Black-Box Attack” 方法明显优于现有技术。

    Oct, 2020

  • 基于硬标签的小样本黑盒对抗攻击

    提出了一种新的针对硬标签的黑盒攻击的优化方法，利用经预训练的替代模型指导优化过程，实验证明该方法在不同目标模型架构下显著提高了攻击的查询效率，攻击成功率较基准测试提高了约 5 倍，特别是在 100 和 250 个查询预算下。

    Mar, 2024

  • 使用基于代理的对抗性黑盒攻击方法攻击深度网络很容易

    通过使用代理网络的类分数梯度而不需要其他先验知识或启发式方法，本文提出了一种简单的算法，其通过搜索实现了最先进的结果，有效地从一个网络传输攻击到另一个网络。

    Mar, 2022

  • 探索对深度神经网络的黑箱攻击空间

    提出了一种新的基于梯度估计的黑盒攻击方法，攻击者可以查询目标模型的类概率，无需使用可转移性。该攻击在 MNIST 和 CIFAR-10 数据集上的攻击成功率均超过 100％，同时成功攻击了 Clarifai 的实时图像分类器和最新防御方法。

    Dec, 2017

  • 高效组合优化的简约黑盒对抗攻击

    本文提出了一种离散替代方法来解决黑匣子攻击的问题，该方法可以在不需要估计导数的情况下有效地攻击神经网络，降低了之前所提出方法所需的查询次数。

    May, 2019