gradient-based attacks | BriefGPT

关键词gradient-based attacks

搜索结果 - 15

AGSOA：基于平均梯度和结构优化的图神经网络目标攻击
该研究提出了一种对图神经网络 (GNNs) 进行攻击的方法，称为 AGSOA，该方法通过平均梯度计算和结构优化模块来提高攻击的性能。通过在所有时刻计算梯度信息的平均值来引导攻击生成扰动边，从而稳定攻击更新的方向并避免不良局部最大值；通过计算
PDF17 days ago
攻击基准：对于对抗性样本的基于梯度的攻击评估
我们提出了 AttackBench 作为第一个用于评估对抗样本优化的攻击的公平比较框架，通过分类梯度攻击、定义优化度量标准和限制查询次数等方式评估攻击的效果和效率，并通过对超过 100 种攻击实现在 CIFAR-10 和 ImageNet
PDF2 months ago
网络选举策动：面向社区动态多步对抗攻击
网络操控、社区广告宣传、梯度攻击、GNN 和对抗性社区广告宣传是该研究的关键词汇。
PDF4 months ago
基于梯度的 $l_0$ 范数对抗性样本的优化
在这项研究中，我们提出了一个新的 l0 范数攻击方法，称为 sigma-zero，该方法利用了 l0 范数的一种特殊的可微近似来优化梯度，以及一个自适应的投影算子来动态调整损失最小化和扰动稀疏性之间的权衡。通过对 MNIST、CIFAR10
PDF5 months ago
ICCV基于熟悉度的对抗攻击下的开放集识别
打开集识别是将分类模型应用于现实世界应用中时的一个关键组成部分，最近的研究表明，基于熟悉度的评分规则（如最大软最大概率和最大逻辑分数）在封闭集准确度较高时是强大的基准。然而，基于熟悉度的开放集识别存在对抗攻击的潜在弱点。本文介绍了基于梯度的
PDF8 months ago
优化超参数加强快速最小范数攻击
利用梯度攻击评估机器学习模型的对抗鲁棒性具有挑战性。本论文通过自动化选择损失函数、优化器、步幅调度器及相关超参数，以及超参数优化，展示了超参数优化如何改善快速最小范数攻击的有效性。我们通过多个鲁棒模型的广泛评估证明了超参数优化对快速最小范数
PDF9 months ago
基于采样的快速梯度重缩放方法用于高度可转移的对抗性攻击
深度神经网络易受对抗样本攻击的影响，提出了一种基于采样的快速梯度缩放方法 (S-FGRM) 来提高攻击的可转移性。该方法可用于任何基于梯度的攻击，并可与各种输入转换或集成方法相结合，以进一步提高对抗性的可转移性。实验证明，该方法能够显著提高
PDFa year ago
CVPR基于预测 - 修正的对抗攻击
本文研究了深度神经网络在存在敌对样例情况下的对抗攻击问题，并针对现有攻击方法使用的梯度求解方法提出了一种基于预测 - 修正的新型攻击方法，该方法具有较好的可扩展性和更高的攻击成功率。
PDFa year ago
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
PDF2 years ago
末隐藏层激活的非合理有效性对于对抗性稳健性的影响
研究了在输出层使用高温度值的激活函数对于防御基于梯度的对抗攻击的效果，并在 MNIST 数据集上实验验证了其方式可以显著提高对抗攻击的鲁棒性。
PDF2 years ago
使用正交投影梯度下降规避对抗性样本检测防御
本文介绍了一种基于 Orthogonal Projected Gradient Descent 攻击技术的方法，通过正交化梯度来生成对抗样本，以便在同时满足误分类和被检测为非对抗性之间达到更好的平衡，成功地躲避了四种先进的对抗性检测方法，降
PDF3 years ago
ICML安全协同机器学习的矩阵草图
本文提出了一种名为 DBCL 的随机矩阵图像保护方案，可以保护协作学习中的隐私信息，有效防御基于梯度的隐私攻击，并且不会增加过多计算和通信开销，也不会影响测试准确性。
PDF5 years ago
ICLRNesterov 加速梯度和尺度不变性用于对抗性攻击
本文从优化过程的角度和深度学习模型的尺度不变性出发，提出了两种新的方法来改善对抗样本的传递性，并演示这些攻击方法对抗网络防御模型的高攻击成功率。
PDF5 years ago
精准、可靠、快速的鲁棒性评估
在神经网络的研究中，我们开发了一种新的梯度基础的对抗攻击方法，相较于已有的攻击方法，它更可靠，可以适应广泛的对抗标准，并且在提高效率的同时，不需要进行超参数调整，这将对神经网络的鲁棒性评估做出有益的贡献。
PDF5 years ago
CVPR解耦方向和范数的梯度下降 L2 对抗攻击与防御
本文研究计算机视觉任务中对抗样本的影响，提出一种基于梯度的对抗攻击方法，通过将对抗扰动的方向和范数分离，能够在较少迭代次数（仅 100 次）内达到与当前最先进攻击方法在 L2 范数上相当的结果，进而达到对于白盒梯度攻击的鲁棒性。
PDF6 years ago