GradMDM：面向动态网络的对抗攻击
密码学与安全
2023-04-17 v1 计算机视觉与模式识别
机器学习
摘要
动态神经网络能够根据输入自适应调整其结构，在不牺牲精度的前提下大幅减少计算冗余。本文探讨了动态神经网络针对以降低效率为目标的能量导向攻击的鲁棒性。具体而言，我们使用新提出的算法 GradMDM 攻击动态模型。GradMDM 是一种调整梯度方向与大小的技术，可为每个输入有效找到微小扰动，从而在推理时激活动态模型的更多计算单元。我们在多个数据集和动态模型上评估了 GradMDM，其优于先前的能量导向攻击技术，在显著降低扰动可感知性的同时大幅增加了计算复杂度。
引用
@article{arxiv.2304.06724,
title = {GradMDM: Adversarial Attack on Dynamic Networks},
author = {Jianhong Pan and Lin Geng Foo and Qichen Zheng and Zhipeng Fan and Hossein Rahmani and Qiuhong Ke and Jun Liu},
journal= {arXiv preprint arXiv:2304.06724},
year = {2023}
}
备注
Accepted to IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI)