期刊文献+
共找到1篇文章
< 1 >
每页显示 20 50 100
基于NadaMax更新与动态正则化的对抗样本迁移性增强方法
1
作者 宋亚飞 仇文博 +1 位作者 王艺菲 冯存前 《空军工程大学学报》 北大核心 2025年第3期119-127,共9页
针对深度学习模型中对抗样本迁移性和黑盒攻击能力不足的问题,研究设计了一种基于NadaMax优化器的迭代快速梯度方法(NM-FGSM)。该方法结合了Nesterov加速梯度和Adamax优化器的优势,通过自适应学习率和前瞻动量向量提高梯度更新精确度,... 针对深度学习模型中对抗样本迁移性和黑盒攻击能力不足的问题,研究设计了一种基于NadaMax优化器的迭代快速梯度方法(NM-FGSM)。该方法结合了Nesterov加速梯度和Adamax优化器的优势,通过自适应学习率和前瞻动量向量提高梯度更新精确度,并引入动态正则化增强问题凸性,优化算法稳定性和针对性。实验结果表明,NM-FGSM在不同攻击策略下优于现有方法,尤其在先进防御场景中攻击成功率提高了4%~8%。通过动态正则化的损失函数,对抗样本的跨模型迁移能力得到提升,进一步增强了黑盒攻击效果。最后,讨论了未来优化NM-FGSM算法和设计防御措施的研究方向,为深度学习模型的安全性研究提供了新的思路。 展开更多
关键词 迁移性 黑盒攻击 NadaMax优化器 动量 自适应学习率 动态正则化
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部