Dec, 2023
SA-Attack: 通过自我增强改善视觉语言预训练模型的对抗可转移性
SA-Attack: Improving Adversarial Transferability of Vision-Language Pre-training Models via Self-Augmentation
Bangyan He, Xiaojun Jia, Siyuan Liang, Tianrui Lou, Yang Liu...
TL;DR通过总结和分析现有研究,我们确定了可以影响 Visual-Language Pre-training 模型上的转移攻击效果的两个因素:跨模态交互和数据多样性。基于这些观察,我们提出了一种新的基于自我增强的转移攻击方法,称为 SA-Attack。我们在 Flickr30K 和 COCO 数据集上的实验证实了我们方法的有效性。