None Low-Cost Hard-Label Adversarial Attack with Theoretical Foundations

新攻击框架以理论保证为目标，攻击AI模型

作者 PulseAugur 编辑部 · [1 source] · 2026-05-25 04:00

研究人员开发了一个新的AI模型对抗性攻击框架，专注于仅能访问最高预测的硬标签黑盒场景。他们的方法引入了一种新颖的零查询初始化策略和一种模式驱动优化算法，该算法基于将现有方法与梯度符号近似联系起来的理论分析。与各种数据集和模型类型（包括商业API和CLIP模型）上的最先进攻击相比，该方法展示了更高的效率和成功率，同时还显示出对数据损坏和分割等专业任务的鲁棒性。 AI

影响这项研究引入了一种更有效且具有理论基础的对抗性攻击方法，可能影响AI模型的安全性和鲁棒性测试。

排序理由该集群包含一篇详细介绍AI模型对抗性攻击新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 · Jun Liu, Leo Yu Zhang, Fengpeng Li, Isao Echizen, Jiantao Zhou · 2026-05-25 04:00

Low-Cost Hard-Label Adversarial Attack with Theoretical Foundations

arXiv:2601.14300v3 Announce Type: replace Abstract: Hard-label black-box attacks, relying solely on top-1 predictions, represent one of the most challenging yet practically threat models. Despite recent progress, existing approaches face two key limitations: (1) they overlook the…

报道来源 [1]

Low-Cost Hard-Label Adversarial Attack with Theoretical Foundations

相关实体

相关话题