《表4 平均跨模型欺骗率对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于快速特征欺骗的通用扰动生成改进方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

%

在表2和3中，列代表扰动生成网络，行代表目标攻击网络，Average表示攻击5个网络模型的平均欺骗率.由表2和3可知：对于绝大部分通用扰动来说，攻击自身的成功率高于攻击其他模型的成功率，说明了白盒攻击能力总是强于黑盒攻击能力.表4对比了两种方法的平均跨模型欺骗率，因为Caffenet网络结构简单，且与其他网络模型之间结构差异较大，所以改进方法的跨模型攻击效果并没有得到明显的提升.然而，在其他4个网络模型中，本文提出的改进方法在跨模型攻击效果方面明显优于FFF系列中基于输入样本的特征欺骗方法，进一步验证了本文方法的有效性.