10.3969/j.issn.1002-2279.2023.05.008
基于Perlin增强与随机变换的黑盒攻击方法
当前基于迁移性的黑盒攻击通常使用较高扰动系数生成具有较强可迁移性的对抗样本,导致对抗扰动较易被防御者察觉,针对此问题,提出一种基于Perlin增强与随机变换的黑盒攻击方法.方法利用Perlin噪声对干净样本进行数据增强,同时使用增强后的数据集和随机尺度与填充运算来改进现有的基于平移不变的对抗样本生成方法,以降低对抗样本的黑盒攻击能力与扰动系数的耦合程度.在ImageNet数据集中的实验结果表明,通过优化后的对抗攻击在不修改扰动系数的情况下增强了对抗样本的可迁移性.
黑盒攻击、数据增强、对抗样本、可迁移性、优化方法
44
TP391.41(计算技术、计算机技术)
2023-11-06(万方平台首次上网日期,不代表论文的发表时间)
共4页
31-34