研究针对设备端模型的白盒攻击
原文中文,约200字,阅读约需1分钟。发表于: 。通过反向工程方法从移动设备应 用程序中彻底提取并逆向编译模型,研究了白盒攻击策略对移动设备模型的攻击效果,发现使用白盒策略能够大大提高攻击成功率并减小攻击干扰,强调了开发人员需要谨慎考虑模型部署策略,使用白盒方法评估移动设备模型的安全性。
本文研究了深度学习模型的脆弱性和攻击方式,提出了SparseEvo算法,并应用于卷积深度神经网络和视觉Transformer模型的评估。SparseEvo具有更高的攻击效率,但仍需进一步研究以增强模型安全性。