无头骑士：对迁移学习模型的对抗攻击
机器学习
2020-04-21 v1 机器学习
摘要
迁移学习利用预训练模型作为特征提取器，辅助训练特定任务的分类器。我们提出一类针对此类分类器的可迁移对抗攻击，其生成无需访问分类头；我们称之为\textit{无头攻击}。我们首先仅使用受害者网络的特征提取器，展示了对受害者网络成功的迁移攻击。这促使我们引入一种盲标签的对抗攻击。该迁移攻击方法不需要关于受害者类标签空间的任何信息。我们的攻击使在 CIFAR10 上训练的 ResNet18 准确率降低了超过 40\%。
引用
@article{arxiv.2004.09007,
title = {Headless Horseman: Adversarial Attacks on Transfer Learning Models},
author = {Ahmed Abdelkader and Michael J. Curry and Liam Fowl and Tom Goldstein and Avi Schwarzschild and Manli Shu and Christoph Studer and Chen Zhu},
journal= {arXiv preprint arXiv:2004.09007},
year = {2020}
}
备注
5 pages, 2 figures. Accepted in ICASSP 2020. Code available on https://github.com/zhuchen03/headless-attack.git