研究测试黑盒对抗样本攻击选票分类模型

Subek Acharya 等作者发布研究，评估了十一种黑盒对抗样本攻击对基于机器学习的选举系统选票分类模型的影响，覆盖决策、分数和迁移三类威胁模型及 l∞、l2、l1、l0 多种范数。 团队除数字分析外，还物理打印并扫描了 20000 个对抗样本，发现黑盒攻击在数字与物理条件下的鲁棒性差距比白盒攻击更大。研究还首次在投票领域考察对抗样本迁移性，并测试对抗训练和隔离带两种黑盒防御策略。

AI 根据报道生成 · 3 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。