一种基于局部平均有限差分的黑盒对抗攻击方法

• 作者: 宗启灼 徐茹枝 年家呈
• 来源期刊: 信息技术与网络安全
• 学科: 工学
• 关键词: 图像识别 对抗样本 局部平均有限差分 黑盒攻击
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 数字经济与数据安全保护|Digital Economy and Data Security Protection
• 页码范围: 23-29,36
• 页数: 8页
• 分类号: TP183
• 语种: 中文
• DOI: 10.19358/j.issn.2096-5133.2022.01.004

摘要

在黑盒攻击领域,目前主流方法是利用对抗样本迁移性实现对抗攻击,然而此类方法效果不佳.为此提出一种基于访问的黑盒攻击方法,此方法运用有限差分法直接估计样本在目标模型中的损失函数梯度.为提高攻击效率,算法在两方面进行优化:第一,在估计梯度时,固定区域内使用平均像素值代替区域所有像素值进行有限差分,从而每个区域只需计算一次梯度;第二,在迭代生成对抗样本时,提出复用多代梯度生成对抗扰动的思想,显著减少攻击迭代次数.经过大量实验验证,在MNIST、CIFAR-10和ImageNet中迭代的非目标攻击分别获得了99.8％、99.9％和85.8％的攻击成功率,领先当今大多数黑盒攻击算法.