面向脉冲神经网络的输入特定与通用对抗攻击生成
密码学与安全
2025-05-13 v1 人工智能
机器学习
摘要
随着脉冲神经网络（SNN）在各类应用中获得广泛关注，理解其安全漏洞变得日益重要。在本工作中，我们聚焦于最令人担忧的对抗攻击。对抗攻击旨在寻找细微的输入扰动以误导网络的决策。我们提出两种新型对抗攻击算法用于 SNN：一种是针对特定数据集输入的输入特定攻击，另一种是生成可重复使用的通用攻击，能够在大多数输入上诱导误分类，从而为实际部署提供可行性。该算法基于梯度，在脉冲域中运作，证明在各种评估指标（如对抗准确率、隐蔽性和生成时间）方面均有效。在两个广泛使用的神经器官视觉数据集 NMNIST 和 IBM DVS Gesture 上的实验结果表明，我们的方法在所有指标上均优于现有最先进方法。此外，我们首次演示了针对声音域使用 SHD 数据集进行对抗攻击生成。
引用
@article{arxiv.2505.06299,
title = {Input-Specific and Universal Adversarial Attack Generation for Spiking Neural Networks in the Spiking Domain},
author = {Spyridon Raptis and Haralampos-G. Stratigopoulos},
journal= {arXiv preprint arXiv:2505.06299},
year = {2025}
}