利用超参数优化改进快速最小范数攻击
机器学习
2023-10-13 v1 计算机视觉与模式识别
摘要
使用基于梯度的攻击来评估机器学习模型的对抗鲁棒性是一项具有挑战性的任务。在本工作中，我们表明超参数优化能够通过自动选择损失函数、优化器与步长调度器以及相应的超参数，来改进快速最小范数攻击。我们针对多个鲁棒模型开展的广泛评估表明，经超参数优化（hyper-up）后，快速最小范数攻击的有效性得到了提升。我们在 https://github.com/pralab/HO-FMN 发布了开源代码。
引用
@article{arxiv.2310.08177,
title = {Improving Fast Minimum-Norm Attacks with Hyperparameter Optimization},
author = {Giuseppe Floris and Raffaele Mura and Luca Scionis and Giorgio Piras and Maura Pintor and Ambra Demontis and Battista Biggio},
journal= {arXiv preprint arXiv:2310.08177},
year = {2023}
}
备注
Accepted at ESANN23