主页 / 2023 KCon 大会 / Recent Progresses in Transfer-based Attack for Image Recognition
-
作者王晓森 Xiaosen Wang Huawei Singularity Security Lab
-
简介
对抗样本（adversarial example）为深度学习应用带来了巨大的安全隐患，其中基于迁移的攻击（transfer-based attack）利用在替代模型上生成的对抗样本直接攻击目标模型，不需要接触目标模型，容易在现实场景中进行部署，引发了广泛的关注。
本议题将聚焦于图像识别领域中基于迁移的攻击，从动量、输入变换、目标函数和替代模型四个方面概述目前的研究进展、详细介绍我们近期提出的一系列提升对抗攻击迁移性的攻击方法（如Variance Tuning、Admix等）、并在常用的深度学习模型上（如ResNet、ViT等）进行测试，最后利用其生成的对抗样本在国内外相关API接口上验证所提出方法的有效性。
-
援引https://paper.seebug.org/3014/
-
提示本站仅做资料的整理和索引,转载引用请注明出处
相关推荐
-
2019-11-01 06:51:43 -
2019-07-31 11:06:22 -
2023-10-14 15:01:01.480691 -
2023-04-29 14:44:03.760713
附件下载
-
Recent.Progresses.in.Transfer.based.Attack.for.Image.Recognition.pdf