评估基于机器学习的以太坊钓鱼检测器对单特征对抗扰动的脆弱性

本文探讨了在以太坊欺诈交易检测背景下，机器学习模型对简单单特征对抗攻击的脆弱性。通过全面的实验，我们研究了各种对抗攻击策略对模型性能指标的影响。我们的研究结果令人警觉，揭示了这些技术极易受到简单攻击的侵害，同时攻击对不同算法影响的差异性为攻击缓解提供了途径。我们检验了包括对抗训练和增强特征选择在内的不同缓解策略在提升模型鲁棒性方面的有效性，并展示了它们的有效性。