回归黑盒：近期最先进黑盒攻击的对比评估
密码学与安全
2021-10-01 v1 机器学习
摘要
自2018年以来，对抗机器学习领域产出的论文数量近乎指数级增长。这一海量信息输出尚待被妥善地处理与归类。在本文中，我们试图通过系统化自2019年以来的对抗机器学习黑盒攻击最新进展来缓解此问题。我们的综述总结并归类了20种近期黑盒攻击。我们还提出了一种新分析，用于理解各论文中所用对抗模型下的攻击成功率。总体而言，本文调研了广泛文献以凸显近期攻击发展，并将其组织为四类攻击：基于分数的攻击、基于决策的攻击、迁移攻击与非传统攻击。此外，我们提供了一种新的数学框架，以精确展示攻击结果如何能被公平比较。
引用
@article{arxiv.2109.15031,
title = {Back in Black: A Comparative Evaluation of Recent State-Of-The-Art Black-Box Attacks},
author = {Kaleel Mahmood and Rigel Mahmood and Ethan Rathbun and Marten van Dijk},
journal= {arXiv preprint arXiv:2109.15031},
year = {2021}
}