黑盒攻击相关论文
智能识别对抗算法是深度学习领域一个全新的研究方向，获得越来越多的关注。介绍针对目标识别技术的黑盒攻击智能识别对抗算法的工作......
对抗样本的存在对自然语言处理领域的众多应用存在安全威胁，对抗攻击方法的研究有助于评估甚至提高深度神经网络模型的鲁棒性。现有......
对抗样本的出现，严重影响到深度神经网络的使用安全。针对对抗样本的研究，在促进攻击方法改善的同时，能够有效提升模型的安全性和鲁棒......
随着现代电子信息技术的高速发展,基于神经网络的雷达干扰信号识别技术愈发成熟,雷达干扰信号容易被敌电子侦察系统识别并做出针对......
近年来,越来越多的对抗攻击技术被提出,在计算机视觉、自然语言处理等领域,研究者们纷纷探究如何利用其来攻击现有的基于机器学习......
在大数据和硬件加速的推动下,深度神经网络的研究在计算机视觉领域中取得了显著进展。然而,有研究发现,深度神经网络容易受到一种......
车牌识别技术是现代智能交通系统的重要组成部分,在交通管理、数字安全监控、车辆识别、停车管理等场景有着广泛的应用。应用深度......
随着基于深度学习的算法出现,各种计算机视觉应用都取得了令人瞩目的进步。但是,大量现有工作已经清楚地证明了深度神经网络（DNN）容......
随着人工智能的蓬勃发展,深度神经网络在图像分类,自动驾驶,场景监控,医疗健康等领域都得到了广泛的应用。在深度神经网络取得巨大......
近些年来,随着人工智能技术飞跃发展,人工智能应用已经部署到了人类生产生活中的方方面面,其作为新一轮工业革命的重要引擎,极大的......
近年来深度神经网络在图像分类、自动驾驶、语音识别等多个领域取得了突出成就,尽管如此,它们仍面临着对抗样本的安全性威胁。对图......
“对抗样本”是近几年出现在深度学习领域的新兴词汇,它指的是在数据集中通过故意添加细微的干扰所形成的输入样本,导致目标模型以......
基于机器学习的僵尸网络流量检测是现阶段网络安全领域比较热门的研究方向,然而生成对抗网络(generative adversarial networks,GA......
在黑盒攻击领域,目前主流方法是利用对抗样本迁移性实现对抗攻击,然而此类方法效果不佳.为此提出一种基于访问的黑盒攻击方法,此方......
深度学习在图像识别领域具有广泛的应用,然而最近的研究表明其极易受到对抗样本攻击,导致性能严重下降。对抗样本的一个重要特点是......
最近的研究表明,人为设计的对抗样本能够攻击典型深度识别网络,这类对抗性扰动很细微以至于较难被人眼察觉,却可以导致本来正确识......
随着深度神经网络在众多领域的不断应用并且取得显著的成功,它在许多关键的安全环境中得到应用,尤其是在计算机视觉领域,深度卷积......
不法分子获得用户在线分享的图像作为输入提供给网络上公开的图像转换模型来生成伪造的图像或视频,给国家安全、社会稳定和个人隐......
神经网络由于其出众的效果,被越来越多的应用到各种领域,其中甚至包括安全敏感的领域,例如自动驾驶、身份验证（人脸识别）、恶意代码......
机器学习模型的现实应用场景非常复杂,存在任务环境不稳定等问题。在安全敏感领域,简单地假设模型的预测环境和训练环境的样本独立......
深度神经网络在许多计算机视觉任务中都取得了优异的结果,并在不同领域中得到了广泛应用.然而研究发现,在面临对抗样本攻击时,深度......
目前针对说话人识别的攻击需要对音频注入长时间的扰动,因此容易被机器或者管理人员发现提出了一种新颖的基于单“音频像素”扰动......
目前在对抗样本生成研究领域,基于梯度的攻击方法由于生成速度快和资源消耗低而得到广泛应用.然而,现有大多数基于梯度的攻击方法......
为高效地寻找基于决策的黑盒攻击下的对抗样本,提出一种利用模型之间的迁移性提升对抗起点的方法。通过模型之间的迁移性来循环叠......
卷积神经网络是一种具有强大特征提取能力的深度神经网络,其在众多领域得到了广泛应用。但是,研究表明卷积神经网络易受对抗样本攻......
黑盒攻击算法是测试深度学习算法健壮性的重要方法,该技术有着广泛的应用前景。本文主要研究黑盒条件下的像素攻击算法。但现有的......
近年来,随着大数据技术和计算性能提升,深度学习技术已经在图片分类、自动驾驶、面部识别及恶意软件检测等领域获得突破性发展。但......
深度神经网络由于其强大的表达能力,在图像,文本和语音等领域均取得了优异的成绩,并且受到了广泛的关注,因此其安全问题也显得尤为......
随着神经网络技术的不断成熟和完善,其已经被广泛应用于人们日常生活相关的各个领域,并已取得了非常显著的效果,然而对抗样本能够......
随着深度学习的日益发展,深度神经网络在计算机视觉、文本处理、语音识别等领域都占据着愈发重要的位置。然而近年的研究表明,没有......
深度神经网络的快速发展,有力地推动了计算机视觉方面的研究。越来越多的计算机视觉工作引入深度神经网络,并取得了跨越式的发展与......
深度学习模型在与安全密切相关的任务中有广泛的应用,如人脸识别、生物监控以及自动驾驶等。深度模型本身的脆弱性也衍生了一系列......
近年来,伴随着大数据技术的成熟和硬件设备计算能力的提升,深度神经网络也得到了快速发展。卷积神经网络是一种具有强大特征提取能......
基于深度学习模型的图像分类器具有优良分类能力,但同时存在安全隐患,例如在原始图像样本上叠加微小扰动会使分类器产生分类偏差,......
随着深度学习的发展及其在实际应用中的普及,关于神经网络鲁棒性的研究成为学术热点,尤其是针对神经网络的攻击和防御受到了越来越......
深度学习技术在不同领域有着广泛的应用,然而一个训练好的深度学习模型很容易受到干扰而得出错误的结果,从而引发严重的安全问题.......
随着神经网络模型的广泛应用,其安全性也日益受到重视,本文主要讨论了基于单像素攻击算法对经典CNN模型在黑盒条件下的对抗性攻击,......
期刊
深度学习方法已被广泛应用于恶意软件检测中并取得了较好的预测精度,但同时深度神经网络容易受到对输入数据添加细微扰动的对抗攻......
自动驾驶技术的安全性和可靠性问题一直是当下研究的热点,也是自动驾驶汽车实现市场普遍性应用前必须要克服的一大难题。针对当前......
深度神经网络(Deep neural network, DNN)作为最常用的深度学习方法之一,广泛应用于各个领域.然而,DNN容易受到对抗攻击的威胁,因......
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......
在对抗攻击研究领域,黑盒攻击相比白盒攻击更具挑战性和现实意义。目前实现黑盒攻击的主流方法是利用对抗样本的迁移性,然而现有大......
将立方体分析和旁路攻击结合，基于8位汉明重泄露模型，首次对DES分组密码抗旁路立方体攻击安全性进行了评估．在黑盒攻击场景下，攻击者首......
由于对抗样本存在通过不易察觉的微小扰动破坏模型准确度的特性,在很大程度上影响深度学习在高安全性需求领域中的应用和部署,例如......
机器学习是当前计算机科学中最流行的技术之一,它已被广泛应用于图像处理,自然语言处理以及网络安全等领域。尽管机器学习算法在许......
近年来,深度神经网络在音频识别中的应用使自动语音识别(Automatic Speech Recognition,ASR)系统取得了令人瞩目的进步。目前的ASR......
