一种用于攻击无关性对抗性攻击检测的统计方法：压缩感知比较
密码学与安全
2025-10-06 v1 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
对抗性攻击是现代机器学习系统面临的重大威胁。然而，现有检测方法往往缺乏检测未见攻击或以高准确率检测不同攻击类型的能力。本文提出一种统计方法，在神经网络部署前建立检测基线，从而实现有效的实时对抗性检测。我们通过比较压缩/未压缩神经网络对的行为，生成对抗性存在的度量标准。该方法经与最新技术测试后，在广泛的攻击类型上实现近乎完美的检测，同时显著降低了误报率，使其在实际应用中既可靠又实用。
引用
@article{arxiv.2510.02707,
title = {A Statistical Method for Attack-Agnostic Adversarial Attack Detection with Compressive Sensing Comparison},
author = {Chinthana Wimalasuriya and Spyros Tragoudas},
journal= {arXiv preprint arXiv:2510.02707},
year = {2025}
}