Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

Enhancing Adversarial Transferability through Block Stretch and Shrink

Created by
  • Haebom
Category
Empty

저자

Quan Liu, Feng Ye, Chenhao Lu, Shuming Zhen, Guanliang Huang, Lunzhe Chen, Xudong Ke

Block Stretch and Shrink (BSS)를 이용한 적대적 공격의 전이성 향상

개요

본 논문은 적대적 공격의 전이성을 향상시키기 위한 방법으로 Block Stretch and Shrink (BSS)를 제안한다. BSS는 이미지를 블록으로 나누고 각 블록에 대해 stretch 및 shrink 연산을 적용하여 변환된 입력의 어텐션 맵을 다양화하고 글로벌 의미를 유지한다. ImageNet 데이터셋의 일부에 대한 실험 결과, BSS는 기존의 입력 변환 기반 공격 방법보다 전이성 측면에서 우수한 성능을 보였다. 또한, 입력 변환 기반 공격에서 변환된 입력의 수(number scale)의 중요성을 강조하고, 공정하고 비교 가능한 평가를 위해 통일된 number scale에서 방법을 평가할 것을 제안한다.

시사점, 한계점

시사점:
BSS는 적대적 공격의 전이성을 향상시키는 새로운 입력 변환 기반 공격 방법론을 제시한다.
어텐션 맵의 다양화와 글로벌 의미 유지를 통해 전이성을 개선하는 접근 방식을 제시한다.
입력 변환 기반 공격의 평가에 있어 number scale의 중요성을 강조하고, 공정한 비교를 위한 평가 기준을 제시한다.
한계점:
ImageNet 데이터셋의 일부에 대한 실험 결과만을 제시하여, 다른 데이터셋 및 모델에 대한 일반화 가능성을 추가적으로 검증해야 한다.
BSS의 최적의 블록 크기 및 stretch/shrink 비율 등 하이퍼파라미터에 대한 분석이 필요하다.
BSS의 계산 복잡성과 효율성에 대한 추가적인 연구가 필요하다.
👍