闭盒对抗攻击的共识优化及其与演化策略的联系
最优化与控制
2025-07-01 v1 机器学习
摘要
共识优化（CBO）已自行确立为一种高效的无梯度优化方案，具有引人注目的数学属性，例如针对非凸损失函数的均匀场收敛结果。在本文中，我们在闭盒对抗攻击情境下研究 CBO，这类攻击旨在在不访问其梯度的情况下对分类器进行不可察觉的输入扰动。我们的贡献在于将 Riedl 等人引入的所谓共识跳跃（consensus hopping）与在对抗攻击语境中常用的自然演化策略（NES）建立联系，并严格将两者方法与梯度优化方案关联。除此之外，我们提供了综合的实验研究，表明尽管概念上两者相似，CBO 在某些情境下仍能超越 NES 和其他进化策略。
引用
@article{arxiv.2506.24048,
title = {Consensus-based optimization for closed-box adversarial attacks and a connection to evolution strategies},
author = {Tim Roith and Leon Bungert and Philipp Wacker},
journal= {arXiv preprint arXiv:2506.24048},
year = {2025}
}