BriefGPT - AI 论文速递
·
最终组合：通过组合数据增强提高对抗样本可传递性
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
通过总结现有研究，确定了影响Visual-Language Pre-training模型转移攻击效果的两个因素：跨模态交互和数据多样性。提出了一种新的基于自我增强的转移攻击方法SA-Attack，并在Flickr30K和COCO数据集上验证了其有效性。
🎯
关键要点
- 影响Visual-Language Pre-training模型转移攻击效果的两个因素是跨模态交互和数据多样性。
- 提出了一种新的基于自我增强的转移攻击方法，称为SA-Attack。
- 在Flickr30K和COCO数据集上验证了SA-Attack方法的有效性。
➡️
