基于集成advGAN的黑盒迁移对抗攻击

作者：黄帅娜; 李玉祥; 毛岳恒; 班爱莹; 张志勇^*

来源：吉林大学学报（工学版）, 2022, 52(10): 2391-2398.

DOI：10.13229/j.cnki.jdxbgxb20210891

• 对抗样本
• 迁移性
• advGAN
• 对抗攻击
• 深度学习

针对传统advGAN方法可高效地生成高保真度的对抗样本，但advGAN容易过拟合于原始样本空间流形导致迁移性变差的问题，，提出了一种集成advGAN的方法。在生成对抗网络中添加由多个分类模型的logits集成构成目标分类模型，汇聚所有模型输出的期望，着力降低过拟合现象，使得生成的对抗样本迁移性强且保真度高。在MNIST数据集上，使用集成advGAN方法生成的对抗样本迁移攻击成功率平均提高了6%，最高可达43.9%，在CIFAR-10数据集上，对抗样本迁移攻击成功率平均提高了7.6%，最高可达75.62%，且PSNR比起传统advGAN有提升。实验结果表明：集成advGAN方法可以生成具备更高对抗迁移性的高保真对抗样本。

• 单位
  河南科技大学