用于白盒目标攻击的GAN对抗样本生成

摘要：

深度神经网络易受对抗样本攻击的影响并产生错误输出,传统的生成对抗样本的方法都是从优化角度生成对抗样本.文中提出基于生成对抗网络(GAN)的对抗样本生成方法,使用GAN进行白盒目标攻击,训练好的生成器对输入样本产生扰动,生成对抗样本.使用四种损失函数约束生成对抗样本的质量并提高攻击成功率.在MNIST、CIFAR-10、ImageNet数据集上的大量实验验证文中方法的有效性,文中方法的攻击成功率较高.

关键词：对抗样本、生成对抗网络(GAN)、目标攻击、白盒攻击

所属期刊栏目：33

分类号：TP181(自动化基础理论)

资助基金：国家自然科学基金项目No.61673396

在线出版日期：2020-11-10（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：830-838