AI-GAN：基于攻击启发的对抗样本生成
机器学习
2021-01-13 v2 密码学与安全
机器学习
摘要
深度神经网络（DNNs）易受对抗样本的攻击，对抗样本通过对输入添加难以察觉的扰动而构造。近来已提出不同的攻击与策略，但如何生成感知真实且更高效的对抗样本仍待解决。本文提出一种称为攻击启发式 GAN（AI-GAN）的新框架，其中生成器、判别器与攻击器被联合训练。一旦训练完成，给定输入图像与目标类别，它即可高效生成对抗扰动。通过在多个流行数据集（如 MNIST 与 CIFAR-10）上的大量实验，AI-GAN 在各种设定下取得了高攻击成功率并显著减少了生成时间。此外，AI-GAN 首次成功扩展到复杂数据集（如 CIFAR-100），在所有类别中取得了约 的成功率。
引用
@article{arxiv.2002.02196,
title = {AI-GAN: Attack-Inspired Generation of Adversarial Examples},
author = {Tao Bai and Jun Zhao and Jinlin Zhu and Shoudong Han and Jiefeng Chen and Bo Li and Alex Kot},
journal= {arXiv preprint arXiv:2002.02196},
year = {2021}
}