基于深度强化学习的黑盒对抗攻击算法

摘要：

针对图像识别领域中的黑盒对抗攻击问题,基于强化学习中DDQN框架和Dueling网络结构提出一种黑盒对抗攻击算法.智能体通过模仿人类调整图像的方式生成对抗样本,与受攻击模型交互获得误分类结果,计算干净样本和对抗样本的结构相似性后获得奖励.攻击过程中仅获得了受攻击模型的标签输出信息.实验结果显示,攻击在CIFAR10和CIFAR100数据集上训练的4个深度神经网络模型的成功率均超过90％,生成的对抗样本质量与白盒攻击算法FGSM相近且成功率更有优势.

关键词：对抗样本、黑盒攻击、深度学习、强化学习

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2021-05-18（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：117-121