attack performance | BriefGPT

关键词attack performance

搜索结果 - 7

DMS: 解决实用对抗攻击中的信息丢失问题的多步骤方法
通过研究信息损失对深度神经网络在对抗样本上的效果的影响，本文提出了 Do More Steps (DMS) 算法，利用梯度信息来减少信息损失，从而提升攻击性能。通过在两个大规模数据集上的实验证明了 DMS 算法相对于标准方法在保持攻击完整性
PDF23 days ago
GI-NAS：通过自适应神经架构搜索提升梯度反转攻击
本文提出了一种名为 Gradient Inversion via Neural Architecture Search (GI-NAS) 的方法，通过自适应搜索网络和捕捉神经结构背后的隐含先验知识，进一步利用这种隐含先验知识来反转渐变并实施
PDFa month ago
提升对抗传递性的技巧包
通过对现有对抗性攻击的仔细研究，我们提出了一系列技巧来增强对抗性传递性，包括动量初始化、计划的步长、双重示例、基于频谱的输入变换和几种集成策略。在 ImageNet 数据集上的大量实验验证了我们提出的技巧的高效性，并表明结合它们可以进一步增
PDF6 months ago
生成逼真的对抗补丁
深度神经网络容易受到各种类型的对抗性样本的攻击，并且现有的对抗性修补方法通常生成的修补具有无意义的噪声或图案，本研究旨在生成真实视觉效果的对抗性修补以欺骗深度神经网络。通过在真实图像的邻域内限制修补的位置，优化位置的不相关性，并采用总变差损
PDF7 months ago
EMNLPCT-GAT: 基于迁移能力的跨任务生成对抗性攻击
我们提出了一种新颖的方法，通过提取不同任务间可转移的特征，直接构建对抗样本，并利用这些特征生成适用于不同任务的对抗样本，在十个不同数据集上的实验结果表明，我们的方法在攻击性能上取得了卓越的表现，并且成本较小。
PDF8 months ago
SLMIA-SR: 论说者级别成员推断攻击对说话人识别系统
提出了 SLMIA-SR，该方法是第一个针对 SR 定制的成员推断攻击，使用声纹识别和训练目标特征工程，通过训练模型和攻击模型的相关性来验证声纹在训练集中的成员关系，实验证明了攻击的效果。
PDF10 months ago
EMNLP两个简单技巧使得文本后门攻击更加有害
本文针对深度学习领域的后门攻击进行研究，通过添加训练任务以区分被污染数据和干净数据，以及使用原有的干净数据进行攻击，提高攻击效果，并在三种场景下进行了实验验证。
PDF3 years ago