ICMLJun, 2021

通过投影梯度估计的渐进尺度边界黑盒攻击

PDF
TL;DR本研究提出了一种理论框架，用于分析和改善边界黑盒攻击的查询效率，发现攻击的最佳尺度可以显著提高效率，并提出了基于逐步缩放技术的 Progressive-Scale enabled projective Boundary Attack (PSBA-PGAN) 来提高查询效率，实验表明，PSBA-PGAN 在多个数据集和模型上的攻击成功率和查询效率都优于现有的攻击方法。
boundary based blackbox attackquery efficiencyoptimal scaleprojective gradient estimationprogressive-scale enabled projective boundary attack
发现论文，激发创造
  • 基于非线性投影的梯度估计方法，用于查询高效的黑盒攻击

    本文探讨了如何在项目的低维空间中高效地估计梯度，并提供了一个高效的非线性梯度投影边界黑盒攻击方案和其在多个数据集上的优越性能的演示和评估。

    Feb, 2021

  • 基于投影与概率的黑盒攻击

    通过压缩感知和概率驱动策略，利用少量请求达到更好的优化效果，从而解决黑盒攻击中存在的过多请求的问题，并在与其他攻击方法比较后证明其具有更高的攻击成功率。

    May, 2020

  • QEBA: 基于边界的黑盒攻击高效查询方案

    本文介绍了一种基于模型终极预测标签的查询高效边界型黑盒攻击 (QEBA)，并在 ImageNet 和 CelebA 数据集上进行了广泛的实验。实验结果表明，与最先进的黑盒攻击相比，QEBA 能够使用更少的查询次数以更低的扰动量实现攻击，并在实际 API 上展示了攻击案例。

    May, 2020

  • 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

  • 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

  • CGBA：曲率感知的几何黑盒攻击

    提出了一种新的查询高效的曲率感知几何决策黑盒攻击方法，使用半圆路径在受限的 2D 平面上进行边界搜索，有效地利用较低曲率来构造高质量的对抗样本，相比最先进的非目标和目标攻击方法显示出更优越的性能。

    Aug, 2023

  • STBA: 针对查询受限黑盒情景评估深度神经网络的鲁棒性

    提出了一种在查询有限环境下构造强大对抗性例子的新框架 STBA，通过引入流场到干净图像的高频部分来生成对抗性例子，结合有效的梯度估计方法，显著提高了对抗性例子的真实性和攻击成功率。

    Mar, 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

  • 一种查询效率高的硬标签黑盒攻击：基于优化的方法

    本文提出一种用于攻击离散和非连续的机器学习模型的新方法，将难标记黑盒攻击转化为实值优化问题，并且在 MNIST，CIFAR 和 ImageNet 数据集上展示出比现有方法更优异的表现。

    Jul, 2018