본 논문은 스파이킹 신경망(SNNs)의 보안 취약성, 특히 적대적 공격에 대한 연구를 다룹니다. SNNs에 대한 두 가지 새로운 적대적 공격 알고리즘을 제안하는데, 하나는 특정 데이터셋 입력으로부터 적대적 샘플을 생성하는 입력 특이적 공격이고, 다른 하나는 대부분의 입력에서 잘못된 분류를 유발하는 재사용 가능한 패치를 생성하는 범용 공격입니다. 알고리즘은 스파이크 도메인에서 작동하는 기울기 기반 방법이며, 적대적 정확도, 은밀성, 생성 시간 등 다양한 평가 지표에서 효과적임을 보여줍니다. NMNIST와 IBM DVS Gesture 두 가지 뉴로모픽 비전 데이터셋과 SHD 사운드 데이터셋을 사용한 실험 결과, 제안된 공격이 기존 최첨단 방법들을 모든 지표에서 능가함을 보여줍니다.
