改进射搜索优化对抗攻击的查询效率
机器学习
2025-12-25 v1 人工智能
密码学与安全
计算机视觉与模式识别
摘要
在硬标签黑箱对抗攻击中，仅可访问顶部预测标签，这导致查询复杂度成为实际部署的主要障碍。本文聚焦于优化一类代表性攻击方法，即搜索寻找使良性图像进入对抗区域所需最小 -范扰动的最优射方向。受 Nesterov 加速梯度 (NAG) 的启发，我们提出了基于动量的算法 ARS-OPT，通过对累积动量推断的未来射方向估计梯度。我们对其收敛行为进行理论分析，表明 ARS-OPT 能够实现更精确的方向性更新，实现更快、更稳定的优化。为进一步加速收敛，我们将代理模型先验纳入 ARS-OPT 的梯度估计中，得到 PARS-OPT 性能提升。 extensive 在 ImageNet 和 CIFAR-10 上的实验表明，我们的方法在查询效率上超越了 13 种最先进的方法。
引用
@article{arxiv.2512.21241,
title = {Improving the Convergence Rate of Ray Search Optimization for Query-Efficient Hard-Label Attacks},
author = {Xinjie Xu and Shuyu Cheng and Dongwei Xu and Qi Xuan and Chen Ma},
journal= {arXiv preprint arXiv:2512.21241},
year = {2025}
}
备注
Published at AAAI 2026 (Oral). This version corresponds to the conference proceedings; v2 will include the appendix