文件名称：QEBA:CVPR2020论文QEBA的代码
文件大小：255KB
文件格式：ZIP
更新时间：2024-05-29 12:46:49
Python
CVPR2020-QEBA 这是本文随附的代码库：QEBA：基于查询有效边界的黑盒攻击。 在这项工作中，我们提出了仅基于受害者模型的最终预测标签就可以执行对抗攻击的QEBA方法。 我们从理论上说明了为什么先前的在整个梯度空间上进行梯度估计的基于边界的攻击在查询数量方面效率不高，并为基于维降的梯度估计提供了最优性分析。 在ImageNet和CelebA上进行的大量实验表明，与最新的黑盒攻击相比，QEBA能够使用较少数量的查询来实现更低的扰动幅度，攻击成功率达到100％。 该代码基于foolbox项目（ ）。 请检查我们较新项目的资源库：用于查询有效黑盒攻击的基于非线性投影的梯度估计（ ），以获取更新的代码以及有关如何使用代码库的更详细说明。 。