qq_32925101的博客

Improving the transferability of adversarial samples with adversarial transformations通过对抗变换提高对抗样本的迁移性。概述：引入一个对抗变换网络，对数据增广进行模拟，并得到对对抗样本影响最大的变换，最后优化时消除这种影响，提高对抗样本的鲁棒性，提高对抗样本的可攻击迁移性。abstract：迁移攻击通过在本地模型上生成对抗样本实现对目标模型的攻击，在实际应用中更易实现和操作。然而目前基于迁移攻击的方法因为对本地代理模型

Enhancing the Transferability of Adversarial Attacks through Variance RuningCVPR2021大类属于使用新的数据增广技术提高对抗样本的攻击迁移性，属于黑盒攻击。Abstract:白盒攻击效果已经很好了，但是黑盒（迁移）攻击效果仍不能达到满意的效果。本文引入一种新的方法——Variance Tuning，来提高基于梯度迭代攻击方法类的攻击效果，并提高其攻击迁移性。具体地，在使用梯度更新参数的时候，并不是使用当前梯度来进行动量累积

Adversarial Patch Camouflage against Aerial Detection[Adversarial Patch Camouflage against Aerial Detection](Adversarial Patch Camouflage against Aerial Detection)关键字：Adversarial patch attack aerial target detection camouflage drone surveillance针对大型军事目