AdvSmo：通过平滑纹理线性结构的黑盒对抗攻击
计算机视觉与模式识别
2022-06-23 v1
摘要
黑盒攻击通常面临两个问题：迁移性差以及无法规避对抗防御。为克服这些缺陷，我们提出一种通过平滑良性图像中纹理的线性结构来生成对抗样本的原创方法，称为 AdvSmo。我们在不依赖目标模型任何内部信息的情况下构造对抗样本，并设计不可感知-高攻击成功率约束来引导 Gabor 滤波器选取合适角度与尺度，从输入图像平滑线性纹理以生成对抗样本。得益于上述设计理念，AdvSmo 将生成具有强迁移性和稳固规避性的对抗样本。最后，相较于四种先进黑盒对抗攻击方法，在八个目标模型上，结果表明 AdvSmo 相较这些攻击方法中最佳者，在 CIFAR-10 上平均攻击成功率提升 9%，在 Tiny-ImageNet 数据集上提升 16%。
引用
@article{arxiv.2206.10988,
title = {AdvSmo: Black-box Adversarial Attack by Smoothing Linear Structure of Texture},
author = {Hui Xia and Rui Zhang and Shuliang Jiang and Zi Kang},
journal= {arXiv preprint arXiv:2206.10988},
year = {2022}
}
备注
6 pages,3 figures