提高对抗性迁移能力，通过基于神经元归属的攻击方法（CVPR 2022）

关注公众号，发现CV技术之美

本篇文章分享 CVPR 2022 论文『Improving Adversarial Transferability via Neuron Attribution-Based Attacks』,通过基于神经元归属的攻击提高对抗性迁移能力。

详细信息如下：

• 论文链接：https://arxiv.org/abs/2204.00008

• 项目链接：https://github.com/jpzhang1810/NAA

      01      

引言

该论文是关于对抗样本可迁移性攻击的文章。现有的特征级攻击通常会采用不准确的神经元重要性估计，这样会降低了对抗样本的可迁移性。在该论文中，作者提出了基于的神经元属性的对抗攻击，它通过更准确的神经元重要性估计来进行特征级攻击。

首先将模型的输出完全归因于中间层的每个神经元。然后，作者推导了神经元属性的近似方案，以极大地减少计算开销。最后，根据神经元的属性结果对神经元进行加权，并发起特征级攻击。实验结果也证实了论文中方法优越性。论文的代码已经开源。