有限计算预算下的精细迭代对抗攻击
机器学习
2025-11-03 v1 人工智能
摘要
本文针对计算资源受限下的AI安全研究中的关键挑战，探讨在固定计算预算下如何最大化迭代对抗攻击的强度。粗略降低攻击迭代次数可降低计算成本，但显著削弱攻击效果。为实现受限预算下的可达攻击效能，我们提出一种精细控制机制， selectively 在迭代层级和层级维度上选择性地重新计算层激活。大量实验表明，在相同成本下，我们的方法始终优于现有基线方法。此外，当集成到对抗训练中时，仅需原预算的30%即可达到相当的性能。
引用
@article{arxiv.2510.26981,
title = {Fine-Grained Iterative Adversarial Attacks with Limited Computation Budget},
author = {Zhichao Hou and Weizhi Gao and Xiaorui Liu},
journal= {arXiv preprint arXiv:2510.26981},
year = {2025}
}