随机方差减少的集合对抗攻击用于提高对抗传递能力

CVPRNov, 2021

随机方差减少的集合对抗攻击用于提高对抗传递能力

Stochastic Variance Reduced Ensemble Adversarial Attack for Boosting the Adversarial Transferability

Yifeng Xiong, Jiadong Lin, Min Zhang, John E. Hopcroft, Kun He

TL;DR本文提出了一种名为随机方差降低集成攻击的黑盒攻击方法，旨在减少集成模型的梯度方差，展现出更高的对抗转移性，并在 ImageNet 数据集上达到了显著的优越性能提升。

Abstract

The black-box adversarial attack has attracted impressive attention for its practical use in the field of deep learning security. Meanwhile, it is very challenging as there is no access to the network architecture or internal weights of the target model. Based on the hypothesis that if

black-box adversarial attack ensemble-based adversarial attack stochastic variance reduced ensemble attack imagenet dataset adversarial transferability

发现论文，激发创造

通过信息瓶颈约束提升对抗迁移性

基于信息瓶颈理论，我们提出了一种名为 IBTA 的黑盒可传递对抗攻击的新框架，利用不变特征的进展。通过在等效攻击性能约束下减少对原始数据的敌对扰动依赖性，鼓励更多地依赖对分类有最大贡献的不变特征，从而增强对抗攻击的传递性。通过重新定义基于 IB 的传递攻击的优化，我们克服了不可优化的互信息挑战，并提出了一种简单高效的互信息下界 (MILB) 来逼近计算。此外，为了定量评估互信息，我们利用互信息神经估计器 (MINE) 进行了全面分析。我们在 ImageNet 数据集上的实验充分证明了 IBTA 和导出的 MILB 的效率和可扩展性。

Jun, 2024

排版引领语义多元化：跨多模态大型语言模型的对抗传递增强

本文提出了基于字体的语义转移攻击（TSTA），通过干扰多模态大型语言模型（MLLMs）所捕捉的视觉信息，以在有害词语插入和重要信息保护场景中展现优异性能。

May, 2024

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

学习动态转化以提高对抗迁移性能

通过学习选择最佳的变换组合以提高对抗传递能力的一种新方法，名为 Learning to Transform (L2T)，在实验中展现出优于现有方法的性能，并证实其有效性和实用意义。

May, 2024

基于图的假新闻检测器的普适性黑盒对抗攻击

我们提出了第一个通用黑盒对抗攻击框架，称为 GAFSI，用于针对基于不同图结构的检测器，通过模拟社交互动行为来欺骗检测器，实验证明了 GAFSI 的有效性。

Apr, 2024

Msmsfnet：一种用于边缘检测的多流和多尺度融合网络

本研究解决了计算机视觉中的边缘检测问题，并提出了一种新的网络架构 msmsfnet，通过从头训练确保公平比较，实验证明我们的模型在三个公开数据集中优于最先进的基于深度学习的边缘检测器。

Apr, 2024

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

对抗性样本汤：多个对抗性样本的平均改善了可转移性而不增加额外生成时间

通过细调超参数，生成不同的批次对抗性样本并取平均的方法可以提高对抗性迁移性，并且相比传统方法没有额外的生成时间和计算成本，与现有的基于迁移的方法相结合可以生成更具迁移性的对抗性样本，通过在 ImageNet 数据集上进行的大量实验表明，我们的方法比现有的攻击方法有更高的攻击成功率。

Feb, 2024

从对抗可转移性的视角探索潜在扩散模型的对抗攻击

通过对代理模型属性的调查，从对抗迁移的角度出发，我们发现选择更平滑的代理模型能够显著提高基于蒙特卡罗的对抗样本的性能，同时通过理论分析解释了为什么平滑的代理模型也可以增强潜在扩散模型的对抗样本。

Jan, 2024

增强对抗样本鲁棒性的随机加密模型集合

本文提出了一种随机集成加密 ViT 模型的方法，该方法对于黑盒攻击和白盒攻击都比传统方法更具鲁棒性。

Jan, 2024