基于多线性分类器拟合的攻击模拟算法

摘要：

为提高分类器在对抗性环境和训练阶段的抗攻击性，提出一种新的攻击模拟算法。通过拟合成员分类器模拟并获取最差情况攻击使用的决策边界，根据阈值设定去除性能较差的成员分类器，使最终攻击结果优于模仿攻击算法。实验结果表明，该算法无需获取目标分类器的具体信息，在保证分类准确率的同时具有较高的安全性。

关键词：分类器、对抗性环境、攻击模拟算法、最差情况攻击、模仿攻击

所属期刊栏目：42

分类号：TP18(自动化基础理论)

资助基金：国家“973”计划项目2013CB329603；国家自然科学基金61472248，61171173。

在线出版日期：2016-12-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：147-151