SemiAdv：基于无标签图像的查询高效黑箱对抗攻击
密码学与安全
2024-07-17 v1 计算机视觉与模式识别
机器学习
摘要
对抗攻击因其对机器人在敏感安全场景部署的深远影响而引起广泛关注。为推动该领域的发展，本文研究了黑箱设置下的对抗攻击，提出一种称为 SemiAdv 的无标签数据驱动对抗攻击方法。与前述工作相比，SemiAdv 实现了以下突破：首先，通过引入半监督学习技术，显著降低了生成对抗样本所需的查询次数。平均而言，SemiAdv 只需查询几百次即可实现超过 90% 的成功率。其次，许多现有的黑箱对抗攻击需要大量标记数据来缓解本地替代模型与远程目标模型之间的差异。而 SemiAdv 则放宽了这一限制，能够利用无标签原始数据实施有效攻击。最后，我们的实验表明，SemiAdv 在保持竞争性攻击成功率的同时，生成对抗样本的查询次数可降低最高 12 倍。
引用
@article{arxiv.2407.11073,
title = {SemiAdv: Query-Efficient Black-Box Adversarial Attack with Unlabeled Images},
author = {Mingyuan Fan and Yang Liu and Cen Chen and Ximeng Liu},
journal= {arXiv preprint arXiv:2407.11073},
year = {2024}
}