BriefGPT - AI 论文速递 · 2025-02-24T00:00:00Z Improving the Transferability of Adversarial Examples through Inverse Knowledge Distillation 💡 原文英文，约100词，阅读约需1分钟。 📝 内容提要 本研究提出了一种逆知识蒸馏（IKD）方法，旨在解决对抗攻击算法在目标与源模型间转移性不足的问题。通过引入新损失函数，IKD显著提高了对抗样本在黑箱攻击中的有效性和成功率，实验结果表明IKD有效增强了对抗样本的转移性。 🏷️ 标签 对抗攻击 损失函数 转移性 逆知识蒸馏 黑箱攻击 阅读原文 生成长图 分享链接 已复制链接
