盗贼之军：通过基于集成的样本选择来增强黑盒模型提取
原文中文，约400字，阅读约需1分钟。发表于：。在这项研究中，我们探索了使用深度学习模型的集成作为我们的盗贼模型的用途。我们将此攻击称为 Army of Thieves（AOT），通过训练具有不同复杂性的多个模型来利用人群的智慧。根据集成模型的共同决策，选择不确定样本进行查询，而最可信的样本直接包含在训练数据中。我们的方法是第一个利用盗贼模型的集成来执行模型提取的方法。与现有最先进方法的基本方法相比，我们的方法至少提高了 3％，并且在...
该研究使用Army of Thieves（AOT）模型集成来作为盗贼模型，通过训练多个模型来利用人群的智慧，选择不确定样本进行查询。在CIFAR-10数据集上训练的模型的对抗样本可转移性比先前的研究提高了21％。
