Pixle：一种基于像素重排的快速有效黑盒攻击
机器学习
2022-10-07 v1 机器学习
摘要
近期研究发现，神经网络易受多种类型的对抗攻击，其中输入样本被修改以使模型产生错误预测，从而将对抗样本误分类。本文关注黑盒对抗攻击，此类攻击可在不知晓被攻击模型内部结构及训练过程的情况下实施，我们提出了一种新颖的攻击方法，能够通过重排被攻击图像中的少量像素来正确攻击高比例的样本。我们证明了我们的攻击在大量数据集和模型上均有效，所需迭代次数少，且原始样本与对抗样本之间的距离在人眼看来可忽略不计。
引用
@article{arxiv.2202.02236,
title = {Pixle: a fast and effective black-box attack based on rearranging pixels},
author = {Jary Pomponi and Simone Scardapane and Aurelio Uncini},
journal= {arXiv preprint arXiv:2202.02236},
year = {2022}
}