基于提示的对比学习的可转移对抗攻击
原文中文,约300字,阅读约需1分钟。发表于: 。该研究提出了一种名为 PDCL-Attack 的新型转移攻击方法,借助 CLIP 模型增强生成模型攻击框架产生的对抗扰动的可转移性。通过有效的以提示为驱动的特征引导,利用文本的语义表示能力,特别是输入图像的真实类标签,我们首次引入了促使学习来增强可转移的生成式攻击。在各种跨域和跨模型设置下进行的大量实验经验证实了我们的方法优于现有技术的优越性。
该研究提出了一种名为PDCL-Attack的新型转移攻击方法,通过CLIP模型增强生成模型攻击框架产生的对抗扰动的可转移性。实验证实该方法在跨域和跨模型设置下优于现有技术。