优化单像素黑盒对抗攻击
密码学与安全
2022-05-05 v1 机器学习
摘要
在黑盒设定下，通过对深度神经网络（DNN）进行多次调用，可以用对输入的微小扰动来改变其输出。然而，现有方法所需的高计算量和时间使其无法实际使用。本文旨在改进单像素（少像素）黑盒对抗攻击，以减少对被攻击网络的调用次数。单像素攻击使用非梯度优化算法，在固定像素数量的约束下寻找像素级扰动，从而使网络对给定图像预测错误标签。我们通过实验结果展示了优化算法的选择和初始搜索位置如何能够显著减少函数调用次数并提高攻击成功率，使该攻击在真实场景中更为实用。
引用
@article{arxiv.2205.02116,
title = {Optimizing One-pixel Black-box Adversarial Attacks},
author = {Tianxun Zhou and Shubhankar Agrawal and Prateek Manocha},
journal= {arXiv preprint arXiv:2205.02116},
year = {2022}
}
备注
9 pasges, 4 figures