潜码与语义对抗扰动

可迁移性显著增强

同时扰动潜码与语义嵌入，在不牺牲视觉质量的前提下大幅提升对抗样本的可迁移性。

淦艳 · Chengqian, Wu · Ouyang, Deqiang · 唐颂 · 叶茂 · 向涛

IEEE Transactions on Circuits and Systems for Video Technology 2024

技术优势

可迁移性显著提升

通过同时扰动潜码编码和语义嵌入，利用语义信息在去噪过程中的关键作用，大幅增强对抗样本在不同模型间的泛化能力。

高不可感知性

采用图像恢复技术，有效消除因高层语义修改造成的图像模糊，使生成的对抗样本难以被察觉和检测。

强鲁棒性

在多种数据集、不同网络架构和防御方法上的综合实验表明，该方法在保持高攻击成功率的同时展现出稳定的性能。

应用场景

• 黑盒攻击评估：生成高迁移性对抗样本，用于评估黑盒模型的真实鲁棒性。
• 对抗鲁棒性测试：提供更强的攻击基准，检验防御方法的有效性。
• 模型安全检测：用于发现模型在高迁移性攻击下的安全漏洞。