基于跨域层次解缠特征空间的查询高效黑箱对抗攻击——DifAttack++
计算机视觉与模式识别
2026-03-25 v5
摘要
本文探讨了如何实现高攻击成功率（Attack Success Rate, ASR）并具备良好泛化能力的高效基于得分的黑箱对抗攻击方法。我们提出一种新颖的攻击框架，称为 DifAttack++，其在层次化解缠特征空间中运作，与现有方法显著不同，后者是操作整个特征空间。具体而言，DifAttack++ 首先通过一个设计了层次化解缠-融合（Hierarchical Decouple-Fusion, HDF）模块的自编码器，将图像的潜在表示解缠为对抗特征（Adversarial Feature, AF）和视觉特征（Visual Feature, VF）。在此框架下，AF 主要决定图像的对抗能力，而 VF 则较好地保留其视觉外观。为实现特征解缠和图像重构，我们分别针对干净图像域和对抗图像域联合训练两个自编码器，即进行跨域训练，分别使用干净图像及其由白盒攻击生成的对抗样本（Adversarial Examples, AEs）。在黑箱攻击阶段，DifAttack++ 依据受袭模型的查询反馈迭代优化 AF，而保持 VF 固定，直至获得成功的对抗样本。大量实验结果表明，DifAttack++ 在 ASR 和查询效率方面均优于当前最先进的方法，同时生成的对抗样本视觉质量也与之相当。我们的代码已公开：https://github.com/csjunjun/DifAttackPlus.git。
引用
@article{arxiv.2406.03017,
title = {DifAttack++: Query-Efficient Black-Box Adversarial Attack via Hierarchical Disentangled Feature Space in Cross-Domain},
author = {Jun Liu and Jiantao Zhou and Jiandian Zeng and Jinyu Tian and Isao Echizen},
journal= {arXiv preprint arXiv:2406.03017},
year = {2026}
}
备注
13 pages