《表1 攻击单模型的结果比较》
注:带*号的模型名称是表示攻击的模型,后缀带(w)的结果表示为白盒攻击,其他为黑盒攻击。
从表1中可以看出当白盒攻击时,PS-MIFGSM和MI-FGSM的攻击成功率很高,模型对对抗样本的分类准确率几乎为0%:一方面,PS-MIFGSM保持了和MI-FGSM同等的攻击成功率;另一方面,PS-MIFGSM有效降低了原样本和对抗样本的差异化。这也说明本文使用Grad-CAM提取的卷积神经网络关注区域是正确有效的,对这些区域进行攻击确实能达到对整张图像进行攻击的效果。但是PS-MIFGSM在黑盒攻击时,攻击成功率稍低于MI-FGSM[11]算法,因为攻击失败的图片的D(I,Ia)值会是设定的最大值64,所以总D(I,Ia)值也会偏高一些。由于不同模型在图像分类任务上所提取到的特征图不同,所以PS-MIFGSM在单模型攻击时,它只会在本模型的重点关注区域加上对抗扰动。但是MI-FGSM[11]是对整张图所有像素点增加对抗扰动,所以它在单模型攻击中的黑盒攻击效果要好一些。
图表编号 | XD00163179900 严禁用于非法目的 |
---|---|
绘制时间 | 2020.05.10 |
作者 | 吴立人、刘政浩、张浩、岑悦亮、周维 |
绘制单位 | 云南大学软件学院、云南大学软件学院、云南大学软件学院、昆明理工大学信息工程与自动化学院、云南大学软件学院 |
更多格式 | 高清、无水印(增值服务) |