論文の概要: Proving Common Mechanisms Shared by Twelve Methods of Boosting Adversarial Transferability

• arxiv url: http://arxiv.org/abs/2207.11694v1
• Date: Sun, 24 Jul 2022 08:36:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-26 13:13:18.589295
• Title: Proving Common Mechanisms Shared by Twelve Methods of Boosting Adversarial Transferability
• Title（参考訳）: 対向移動性向上のための12法で共有される共通メカニズムの証明
• Authors: Quanshi Zhang, Xin Wang, Jie Ren, Xu Cheng, Shuyun Lin, Yisen Wang, Xiangming Zhu
• Abstract要約: 本稿では,従来の12の転送可能性ブースティング手法で共有される共通メカニズムを統一的な視点で要約する。 まず, 対向移動可能性と相互作用の攻撃性との間に負の相関関係を発見し, 証明する。 より重要なことは、相互作用の減少が敵の伝達性を高める重要な理由であると考えている。
• 参考スコア（独自算出の注目度）: 39.82790215086004
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although many methods have been proposed to enhance the transferability of adversarial perturbations, these methods are designed in a heuristic manner, and the essential mechanism for improving adversarial transferability is still unclear. This paper summarizes the common mechanism shared by twelve previous transferability-boosting methods in a unified view, i.e., these methods all reduce game-theoretic interactions between regional adversarial perturbations. To this end, we focus on the attacking utility of all interactions between regional adversarial perturbations, and we first discover and prove the negative correlation between the adversarial transferability and the attacking utility of interactions. Based on this discovery, we theoretically prove and empirically verify that twelve previous transferability-boosting methods all reduce interactions between regional adversarial perturbations. More crucially, we consider the reduction of interactions as the essential reason for the enhancement of adversarial transferability. Furthermore, we design the interaction loss to directly penalize interactions between regional adversarial perturbations during attacking. Experimental results show that the interaction loss significantly improves the transferability of adversarial perturbations.
• Abstract（参考訳）: 相反摂動の伝達性を高めるために多くの手法が提案されているが、これらの手法はヒューリスティックな設計であり、相反移動性を改善するための必須のメカニズムはまだ不明である。 本稿では,従来の12種類の移動可能性ブースティング手法で共有される共通メカニズムを統一的な視点で要約する。 この目的のために、我々は、全ての対向的摂動間の相互作用の攻撃性に注目し、まず、対向的伝達可能性と対向的相互作用の攻撃性の間の負の相関を発見し、証明する。 この発見に基づいて, 従来の12の移動可能性ブースティング法が, 局所対向摂動の相互作用を減少させることを理論的に証明し, 実証的に検証した。 さらに重要な点として, 相互作用の低減が, 逆伝達性の向上に必要不可欠な理由であると考える。 さらに,攻撃時の対地的摂動の相互作用を直接罰する相互作用損失を設計する。 実験の結果, 相互作用損失は逆摂動の伝達性を大幅に改善することがわかった。

関連論文リスト

• Neural Interaction Energy for Multi-Agent Trajectory Prediction [55.098754835213995]
  ニューラル・インタラクション・エナジー(MATE)によるマルチエージェント軌道予測(Multi-Agent Trajectory Prediction)というフレームワークを導入する。 MATEは神経相互作用エネルギーを用いてエージェントの対話運動を評価する。 時間的安定性を高めるために,エージェント間相互作用制約とエージェント内動作制約という2つの制約を導入する。
  論文  参考訳（メタデータ） (2024-04-25T12:47:47Z)
• Why Does Little Robustness Help? Understanding and Improving Adversarial Transferability from Surrogate Training [24.376314203167016]
  DNNの逆例(AE)は転送可能であることが示されている。 本稿では,敵対的伝達可能性の理解に向けてさらなる一歩を踏み出す。
  論文  参考訳（メタデータ） (2023-07-15T19:20:49Z)
• Exploring Transferable and Robust Adversarial Perturbation Generation from the Perspective of Network Hierarchy [52.153866313879924]
  敵の例の移動可能性と堅牢性は、ブラックボックスの敵攻撃の実用的かつ重要な2つの性質である。 伝送可能で頑健な逆生成法(TRAP)を提案する。 我々のTRAPは、ある種の干渉に対して印象的な伝達性と高い堅牢性を実現する。
  論文  参考訳（メタデータ） (2021-08-16T11:52:41Z)
• Unlimited Neighborhood Interaction for Heterogeneous Trajectory Prediction [97.40338982628094]
  マルチプライカテゴリにおける異種エージェントの軌跡を予測できる,シンプルで効果的な非境界相互作用ネットワーク (UNIN) を提案する。 具体的には、提案した無制限近傍相互作用モジュールは、相互作用に関与するすべてのエージェントの融合特徴を同時に生成する。 階層型グラフアテンションモジュールを提案し,カテゴリ間相互作用とエージェント間相互作用を求める。
  論文  参考訳（メタデータ） (2021-07-31T13:36:04Z)
• A Unified Approach to Interpreting and Boosting Adversarial Transferability [42.33597623865435]
  本稿では, 対向的摂動の相互作用を用いて, 対向的伝達性を説明し, 促進する。 本研究は, 対向移動可能性と対向摂動の相互作用との負の相関を証明し, 証明する。 本稿では,攻撃過程における相互作用のペナルティ化を提案する。
  論文  参考訳（メタデータ） (2020-10-08T15:19:22Z)
• An Imitation from Observation Approach to Transfer Learning with Dynamics Mismatch [44.898655782896306]
  本研究では,この移動問題に対する既存の解法として,観測からの模倣問題と密接に関連していることを示す。 我々は, 観測手法から, 対向的模倣に基づく新たなアルゴリズム, GARAT (Generative Adversarial reinforced action transformation) を導出する。 GARATで訓練されたエージェントは、既存のブラックボックス転送手法と比較して、ターゲット環境において高いリターンを達成する。
  論文  参考訳（メタデータ） (2020-08-04T14:36:02Z)
• Uncovering the Connections Between Adversarial Transferability and Knowledge Transferability [27.65302656389911]
  我々は,知識伝達可能性と敵対的伝達可能性の関連性を分析し,実証する。 我々の理論的研究は、対向移動可能性は知識伝達可能性を示し、その逆であることを示している。 多様なデータセットの様々なシナリオに対する広範な実験を行い、対向移動可能性と知識伝達可能性との正の相関を示す。
  論文  参考訳（メタデータ） (2020-06-25T16:04:47Z)
• Interference and Generalization in Temporal Difference Learning [86.31598155056035]
  時間差学習における一般化と干渉の関係について検討する。 教師付き学習ではTDが容易に低干渉,低一般化パラメータにつながり,その効果は逆のように見える。
  論文  参考訳（メタデータ） (2020-03-13T15:49:58Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。