基于生成式对抗网络的通用性对抗扰动生成方法

• 作者: 刘恒 吴德鑫 徐剑
• 来源期刊: 信息网络安全
• 学科: 工学
• 关键词: 深度神经网络 通用性对抗扰动 生成式对抗网络
• 年，卷（期）: 2020,（5）
• 所属期刊栏目: 技术研究
• 页码范围: 57-64
• 页数: 8页
• 分类号: TP309
• 字数: 5931字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-1122.2020.05.007

摘要

深度神经网络在图像分类应用中具有很高的准确率,然而,当在原始图像中添加微小的对抗扰动后,深度神经网络的分类准确率会显著下降.研究表明,对于一个分类器和数据集存在一种通用性对抗扰动,其可对大部分原始图像产生攻击效果.文章设计了一种通过生成式对抗网络来制作通用性对抗扰动的方法.通过生成式对抗网络的训练,生成器可制作出通用性对抗扰动,将该扰动添加到原始图像中制作对抗样本,从而达到攻击的目的.文章在CIFAR-10数据集上进行了无目标攻击、目标攻击和迁移性攻击实验.实验表明,生成式对抗网络生成的通用性对抗扰动可在较低范数约束下达到89％的攻击成功率,且利用训练后的生成器可在短时间内制作出大量的对抗样本,利于深度神经网络的鲁棒性研究.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐剑	东北大学软件学院	31	306	9.0	17.0
2	刘恒	东北大学软件学院	7	26	3.0	5.0
3	吴德鑫	东北大学软件学院	1	0	0.0	0.0