基于Jacobian的最大显著图攻击
机器学习
2018-08-27 v1 机器学习
摘要
基于Jacobian的显著图攻击（JSMA）是一类用于欺骗分类模型（例如用于图像分类任务的深度神经网络）的对抗攻击方法。通过将给定图像中的少数像素饱和至其最大值或最小值，JSMA可使模型将生成的对抗图像误分类为指定的错误目标类别。我们提出了JSMA的两种变体，一种去除了指定目标类别的要求，另一种进一步无需指定仅增加还是减少像素强度。我们的实验突显了这些变体应用于手写数字和自然场景数据集时具有竞争力的速度与质量。
引用
@article{arxiv.1808.07945,
title = {Maximal Jacobian-based Saliency Map Attack},
author = {Rey Wiyatno and Anqi Xu},
journal= {arXiv preprint arXiv:1808.07945},
year = {2018}
}
备注
Extended version of extended abstract for MAIS 2018