高斯过程_bandits 的对抗攻击

高斯过程（GP）是一种被广泛采用的工具，用于顺序优化黑箱函数，其中评估代价高昂且可能存在噪声。近期关于 GP bandits 的工作提出超越随机噪声并设计对对抗攻击鲁棒的算法。本文从攻击者的角度研究该问题，提出具有不同的攻击者能力与先验信息假设的多种对抗攻击方法。我们的目标是从理论与实际角度理解 GP bandits 上的对抗攻击。我们主要关注针对流行的 GP-UCB 算法和一种相关基于消除的算法的定向攻击，其基于对抗性地扰动函数 $f$ 以产生另一个函数 $\tilde{f}$，其最优值位于某目标区域 $\mathcal{R}_{\rm target}$ 中。基于我们的理论分析，我们设计了白盒攻击（已知 $f$）与黑盒攻击（未知 $f$），前者包括减法攻击与截断攻击，后者包括激进减法攻击。我们证明，即便攻击预算很低，GP bandits 上的对抗攻击也能成功将算法引向 $\mathcal{R}_{\rm target}$，并在多种目标函数上测试了攻击的有效性。