面向黑盒对抗攻击的 Hessian 感知零阶优化
机器学习
2019-03-21 v2 密码学与安全
机器学习
摘要
零阶优化是机器学习中的一个重要研究课题。近年来，它已成为针对基于神经网络的图像分类器的黑盒对抗攻击的关键工具。然而，现有的零阶优化算法很少提取模型函数的二阶信息。在本文中，我们利用目标函数的二阶信息，提出了一种新颖的\textit{Hessian 感知零阶算法}，称为 \texttt{ZO-HessAware}。我们的理论结果表明，在结构化 Hessian 近似下，\texttt{ZO-HessAware} 具有改进的零阶收敛率和查询复杂度，其中我们提出了几种用于估计 Hessian 的近似方法。我们在黑盒对抗攻击问题上的实证研究表明，我们的算法能够以更低的查询复杂度实现更高的成功率。
引用
@article{arxiv.1812.11377,
title = {Hessian-Aware Zeroth-Order Optimization for Black-Box Adversarial Attack},
author = {Haishan Ye and Zhichao Huang and Cong Fang and Chris Junchi Li and Tong Zhang},
journal= {arXiv preprint arXiv:1812.11377},
year = {2019}
}