S$^4$ST：一种强大、自可迁移、快速且简单的数据无关有针对性攻击方法

Yongxiang Liu; Bowen Peng; Li Liu; Xiang Li

S$^4$ST：一种强大、自可迁移、快速且简单的数据无关有针对性攻击方法

密码学与安全 2026-04-06 v3 人工智能

作者: Yongxiang Liu , Bowen Peng , Li Liu , Xiang Li

摘要

有针对性的可迁移攻击(TTA)面临严重过拟合到代理模型的问题。最近的突破性成果高度依赖大规模受害者模型的数据，而数据无关解决方案（即涉及图像转换的梯度优化）通常依赖黑箱反馈进行方法设计和调优。这些依赖违反了黑箱迁移设置，损害了威胁评估的公平性。本文提出两种盲估计措施：自对齐和自可迁移，以严格的黑箱约束下分析每个转换的有效性和跨转换相关性。我们的发现挑战了常规假设：(1) 攻击简单尺度转换唯一地增强了有针对性的可迁移性，超越其他基本转换，甚至与领先的复杂方法相抗衡；(2) 几何和颜色转换在内部冗余很高，尽管在跨类别相关性方面较弱。这些洞察驱动了 S $^4$ ST(Strong, Self-transferable, faSt, Simple Scale Transformation) 的设计和调优，该方法集成了尺寸一致的尺度变换、互补的低冗余转换和块状操作。广泛的评估显示，S $^{4}$ ST 在各种体系结构、训练分布和任务中实现了最佳的有效性-效率平衡，无需数据依赖。我们揭示了尺度变换的有效性源于视觉数据的多尺度特性以及训练中普遍的尺度增强，使这种增强成为双刃剑。进一步的在医学成像和人脸验证上的验证确认了该框架的强大泛化能力。

关键词

可迁移针对性攻击尺度变换自可迁移对抗样本黑箱攻击

引用

@article{arxiv.2410.13891,
  title  = {S$^4$ST: A Strong, Self-transferable, faSt, and Simple Scale Transformation for Transferable Targeted Attack},
  author = {Yongxiang Liu and Bowen Peng and Li Liu and Xiang Li},
  journal= {arXiv preprint arXiv:2410.13891},
  year   = {2026}
}

备注

16 pages, 18 figures

S$^4$ST：一种强大、自可迁移、快速且简单的数据无关有针对性攻击方法

摘要

关键词

引用

备注

相关论文