基于AdaN自适应梯度优化的图像对抗迁移攻击方法

作者：李晨蔚; 张恒巍^*; 高伟; 杨博

来源：信息网络安全, 2023, 23(07): 64-73.

• 神经网络
• 图像分类
• 对抗样本
• 黑盒攻击
• 迁移性

大部分网络模型在面临对抗攻击时表现不佳,这给网络算法的安全性带来了严重威胁。因此,对抗攻击已成为评估网络模型安全性的有效方式之一。现有的白盒攻击方法已经能够取得较高的攻击成功率,但是在黑盒攻击条件下,攻击成功率还有待提升。文章以梯度优化为出发点,将自适应梯度优化算法Ada N引入对抗样本生成过程中,以加速收敛,使梯度更新方向更稳定,从而增强对抗攻击的迁移性。为了进一步增强攻击效果,将文章所提方法与其他数据增强方法进行结合,从而形成攻击成功率更高的攻击方法。此外,还通过集成多个已知模型生成对抗样本,以便对已进行对抗训练的网络模型进行更有效的黑盒攻击。实验结果表明,采用Ada N梯度优化的对抗样本在黑盒攻击成功率上高于当前的基准方法,并具有更好的迁移性。

• 单位
  中国人民解放军信息工程大学