寻求未来：多阶迭代可增强对抗性攻击的迁移性
计算机视觉与模式识别
2024-07-03 v1
摘要
各种方法试图从不同角度提高对抗性迁移性。本文重新思考优化过程，提出一种新的序列优化概念，称为寻求未来（Looking From the Future, LFF）。LFF 利用原始优化过程来细化最初的局部优化选择。将 LFF 概念应用于对抗性攻击任务后，我们进一步提出了 LFF 攻击以及具备更好泛化能力的 MLFF 攻击。此外，围绕 LFF 概念，我们提出了一种 攻击，将 LFF 攻击扩展为多阶攻击，从而进一步提升迁移攻击能力。我们的所有新方法可直接应用于基于迭代的攻击方法。我们在 ImageNet1k 数据集上对所提出的方法进行了评估，采用几种 SOTA 对抗性攻击方法并针对四种任务进行测试。实验结果表明，我们提出的方法能够显著提升攻击的迁移性。还对各组件的有效性进行了消融实验。该论文接受后将公开源代码。
引用
@article{arxiv.2407.01925,
title = {Looking From the Future: Multi-order Iterations Can Enhance Adversarial Attack Transferability},
author = {Zijian Ying and Qianmu Li and Tao Wang and Zhichao Lian and Shunmei Meng and Xuyun Zhang},
journal= {arXiv preprint arXiv:2407.01925},
year = {2024}
}