一种基于贪心算法的SVM扰动攻击方法

摘要：

随着对机器学习安全问题的关注度不断提高,提出一种针对SVM(support vector machine,支持向量机)的攻击样本生成方法.这种攻击发生在测试阶段,通过篡改实例数据,达到欺骗SVM分类模型的目的,具有很大的隐蔽性.采用贪心策略在核空间中搜索显著性特征子集;然后将核空间中的扰动映射回输入空间,获得攻击样本.该方法通过不超过7％的小扰动量使测试样本错误地分类.对2个数据集进行实验,攻击均能取得成功.在人造数据集中,2％的扰动量下可使SVM分类器的错误率在50％以上;在MNIST数据集中,5％的扰动量可使SVM分类器错误率接近100％.

关键词：机器学习、支持向量机、贪心算法、显著性特征、攻击样本

所属期刊栏目：35

分类号：TP309.2(计算技术、计算机技术)

资助基金：浙江省自然科学基金资助项目LY17F020011;浙江省公益技术应用研究项目LGG19F030001;国家自然科学基金资助项目61572163

在线出版日期：2019-03-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：81-89