交替目标生成更强的基于 PGD 的对抗攻击
机器学习
2022-12-16 v1 密码学与安全
计算机视觉与模式识别
摘要
设计强大的对抗攻击对于评估 有界对抗防御至关重要。投影梯度下降（PGD）是生成此类对抗样本最有效且概念上最简单的算法之一。PGD 的搜索空间由某一目标的陡峭上升方向决定。尽管目标函数选择繁多，但不存在普遍更优的选项，且因不合适的目标选择可能导致鲁棒性高估。受此观察驱动，我们假定通过简单的损失交替方案组合不同目标可使 PGD 对设计选择更具鲁棒性。我们在一个合成数据示例上以及通过在 25 个不同 -鲁棒模型与 3 个数据集上评估所提方法，实验验证了该断言。与单一损失对应方法相比，性能提升是一致的。在 CIFAR-10 数据集上，我们最强的对抗攻击优于 AutoAttack（AA）集成的所有白盒组件，以及文献中最强大的攻击，在我们研究的计算预算（，无重启）内取得了 SOTA 结果。
引用
@article{arxiv.2212.07992,
title = {Alternating Objectives Generates Stronger PGD-Based Adversarial Attacks},
author = {Nikolaos Antoniou and Efthymios Georgiou and Alexandros Potamianos},
journal= {arXiv preprint arXiv:2212.07992},
year = {2022}
}