一种针对多出口网络的模型窃取攻击
密码学与安全
2025-03-18 v2 人工智能
摘要
相较于具有单一输出通道的传统神经网络，多出口网络拥有多个出口，允许从模型中间层提前输出，从而在保持相近主任务精度的同时显著提升计算效率。现有模型窃取攻击只能窃取模型的效用，而无法捕获其输出策略，即用于决定从哪个出口输出的一组阈值。这导致提取模型的計算效率显著下降，从而丧失多出口网络的优势。本文中，我们提出首个针对多出口网络的模型窃取攻击，以同时提取模型效用与输出策略。我们采用核密度估计分析目标模型的输出策略，并使用性能损失与策略损失来指导提取模型的训练。此外，我们设计了一种新颖的输出策略搜索算法，以最大化受害模型与提取模型输出行为之间的一致性。在多个多出口网络与基准数据集上的实验中，我们的方法始终取得最接近受害模型的精度与效率。
引用
@article{arxiv.2305.13584,
title = {A Model Stealing Attack Against Multi-Exit Networks},
author = {Li Pan and Lv Peizhuo and Chen Kai and Zhang Shengzhi and Cai Yuling and Xiang Fan},
journal= {arXiv preprint arXiv:2305.13584},
year = {2025}
}