Tag · 2 篇
对抗样本迁移性
01 02
从变换到迁移：提升视觉语言预训练模型上的对抗攻击迁移性
Transform to Transfer: Boosting Adversarial Attack Transferability on Vision-Language Pre-training Models
可学习的变换组合机制（自适应选择最优变换以最大化输入多样性）可直接迁移到任何黑盒迁移攻击流程中，替代手工固定的变换堆叠；积分梯度用于缓解对源模型的过拟合，也是提升跨模型迁移性的通用手段。
FeatureFool：基于特征图的视频模型零查询欺骗攻击
FeatureFool: Zero-Query Fooling of Video Models via Feature Map
对做视频模型安全与鲁棒性评测的人，这篇给出了一个无需查询、仅靠特征图迁移即可生成对抗视频的范式，可直接用于测试视频分类器与 Video-LLM 的对抗脆弱性，并提供了 SSIM/PSNR/时序一致性三项隐蔽性评估口径。