CAAD 2018：迭代集成对抗攻击
计算机视觉与模式识别
2018-11-11 v1 密码学与安全
机器学习
摘要
深度神经网络（DNNs）近来在许多领域带来了显著改进。然而，DNNs 易受对抗样本的攻击，对抗样本是带有难以察觉扰动却会极大误导 DNNs 的样本。对抗攻击可用于在深度学习模型部署前评估其鲁棒性。遗憾的是，现有大多数对抗攻击仅能以较低成功率欺骗黑盒模型。为提高黑盒对抗攻击的成功率，我们提出了一种针对图像分类器集成的迭代对抗攻击。利用该方法，我们在 CAAD 2018 目标对抗攻击竞赛中获得第五名。
引用
@article{arxiv.1811.03456,
title = {CAAD 2018: Iterative Ensemble Adversarial Attack},
author = {Jiayang Liu and Weiming Zhang and Nenghai Yu},
journal= {arXiv preprint arXiv:1811.03456},
year = {2018}
}
备注
arXiv admin note: text overlap with arXiv:1811.00189