深入探究 PReLU 神经网络的密码分析提取

模型提取这一机器学习问题于 1991 年首次提出，并自 Crypto 2020 起作为一项密码分析挑战而备受关注。三十多年来，该领域的研究主要集中在基于 ReLU 的神经网络上。在本工作中，我们首次迈出了对 PReLU 神经网络进行密码分析提取的一步，这类网络采用了比 ReLU 网络更复杂的非线性激活函数。我们提出了一种针对 PReLU 网络的、基于原始输出的参数恢复攻击，并将其扩展到仅能获取 top-m 概率分数的更受限场景。我们通过在多种 PReLU 神经网络（包括在 MNIST 数据集上训练的模型）上进行端到端实验，严格评估了我们的攻击。据我们所知，这是在三种不同攻击场景下首次实际演示 PReLU 神经网络提取。