黑盒迁移攻击更强
该网络通过扰动指纹方向场并抑制局部对比度，在保持图像自然观感的同时实现对黑盒模型的有效保护。
Simin, Li · Xu, Huangxinxin · Wang, Jiakai · Ruixiao, Xu · 刘艾杉 · Fazhi, He · 刘祥龙 · Dacheng, Tao
IEEE Transactions on Image Processing 2024
通过向指纹方向场注入噪声，利用模型共享的高层语义（指纹脊线），使保护噪声在不同模型间迁移。
通过正则化外侧膝状体（LGN）响应抑制低层局部对比度刺激，避免图像出现明显扰动。
在 Twitter 和 Facebook 等真实社交平台上达到最高 68.75% 的保护成功率。