transfer-based attacks | BriefGPT

关键词transfer-based attacks

搜索结果 - 12

针对安全定向 LLM 的改进对抗样本生成
通过借鉴转移式攻击的思想，结合渐变式对抗性提示生成过程，我们改进了自动生成的对抗性示例以攻击白盒大语言模型，取得了显著的性能提升，同时也提出了新的见解和适当的方法组合。
PDFa month ago
通过邻域条件采样增强对抗性可转移性
使用轻量级计算依然能够高度传递的样本攻击方法 (NCS) 可生成高度传递的对抗性示例，并在计算成本上仅需要 50% 的要求，同时可与其他方法无缝集成以进一步提高传递性。
PDFa month ago
针对目标转移场景下的视觉 - 语言模型生成高效对抗样本的扩散模型
传统的迁移攻击成本高，噪音明显且对防御方法难以有效回避。本文通过生成自然、非受限的对抗样本，提出了 AdvDiffVLM 方法，利用扩散模型和自适应集成梯度估计改善了传统方法的缺陷，并通过 GradCAM-guided Mask 方法提高了
PDF2 months ago
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
PDF4 months ago
AAAILRS: 通过利普希茨正则化提升敌对迁移性
提出了一种新颖的基于 Lipschitz 规正化的模拟模型（LRS）方法，用于转移性黑盒攻击中，通过改进模型参数以获得更好的攻击效果和转移性。研究还揭示了模拟模型的内在属性与转移性之间的关联，包括更小的局部 Lipschitz 常数、更平滑
PDF6 months ago
LFAA：使用低频扰动创建可转移的定向对抗样本
通过利用深度神经网络对图像高频分量的扰动的脆弱性，我们提出了一种新方法来生成可转移的有针对性对抗样本，该方法通过训练条件生成器生成针对性的对抗扰动，并将其添加到图像的低频分量中，实验证明我们的方法显著优于现有的方法，将有针对性攻击成功率提高
PDF8 months ago
ICCV结构不变性转换：提高对抗迁移性能
给定深度神经网络（DNN）对抗性示例的严重性脆弱性，迫切需要一种有效的对抗性攻击来识别 DNN 在安全敏感应用中的缺陷。本文提出了一种基于输入变换的攻击方法，称为 Structure Invariant Attack（SIA），通过对每个图
PDF9 months ago
ICCV对抗性迁移的反向传播路径搜索
在这篇论文中，我们提出了一种名为 PAS（backPropagation pAth Search）的方法，通过构建基于 DAG 的搜索空间、利用一步近似进行路径评估，并采用贝叶斯优化来搜索最优路径，以提高对抗攻击的成功率。我们进行了广泛的实
PDF10 months ago
重新思考针对对抗迁移的反向传播
本文提出了一种新方法，即 Backward Propagation Attack（BPA），以增强与输入图像相关的梯度和损失函数之间的关联性，从而生成更具有传递性的对抗性样本，这在提高对真实世界应用的攻击中有很大的潜力。
PDFa year ago
CVPR基于 Token 梯度正则化的可转移的视觉 Transformer 的对抗攻击
本篇论文提出了一种名为 Token Gradient Regularization（TGR）的方法，通过在每个内部块中以 token 方式减少 ViTs 反向传播梯度的方差来生成对抗样本，从而攻击 Vision transformers 和
PDFa year ago
CVPR通过路径增强方法提高对抗样本的可转移性
本文提出了一种基于路径增强的方法 (PAM) 用于生成对抗样本，通过构建候选增强路径池和利用贪心搜索选择合适的增强路径，同时通过一个语义预测器 (SP) 来避免语义不一致的情况，实验结果表明，与历史方法相比，该方法可以提高超过 4.8% 的
PDFa year ago
T-SEA：基于迁移学习的自组攻击在物体检测上的应用
本研究针对单模型迁移黑盒对象检测攻击问题，提出了一种增强型攻击框架以及自举式方法，提高了攻击的传递性和白盒效果。
PDF2 years ago