AdvFlow：基于归一化流的不易察觉黑盒对抗攻击
机器学习
2020-10-26 v2 密码学与安全
计算机视觉与模式识别
机器学习
摘要
深度学习分类器易受其输入中精心构造且难以察觉的微小扰动影响，即所谓的对抗攻击。在这方面，研究强大的攻击模型有助于揭示这些分类器的脆弱性来源，并有望催生更鲁棒的分类器。本文提出 AdvFlow：一种针对图像分类器的新型黑盒对抗攻击方法，它利用归一化流建模给定目标图像周围对抗样本的密度。我们发现，所提方法生成的对抗样本紧密遵循干净数据分布，这一特性使其更不易被检测。此外，实验结果表明，在受防御的分类器上，所提方法与现有某些攻击方法相比具有竞争力。代码见 https://github.com/hmdolatabadi/AdvFlow。
引用
@article{arxiv.2007.07435,
title = {AdvFlow: Inconspicuous Black-box Adversarial Attacks using Normalizing Flows},
author = {Hadi M. Dolatabadi and Sarah Erfani and Christopher Leckie},
journal= {arXiv preprint arXiv:2007.07435},
year = {2020}
}
备注
Accepted to the 34th Conference on Neural Information Processing Systems (NeurIPS 2020)