arXiv · 机器人与计算机视觉· Chao Zhou, Shenghua He, Jiaxin Mo, Qiangguo Yu, Fengchuang Xing·· 13 天前AI 评分43
RLGPA:一种基于强化学习的粒度规划攻击方法
RLGPA: A Reinforcement Learning-Guided Granularity Planning Attack for Decision-Based Sparse Adversarial Examples
AI 导读
RLGPA 提出在线强化学习调度器,在硬查询预算下动态调整决策型稀疏对抗样本的扰动支持集粒度。该方法在 CIFAR-10 以 0.01 稀疏度实现 61% 目标成功率(优于 SparseEvo 的 25%),ResNet50/ViT 在 0.005 稀疏度下分别达 75.5%/73.0%。固定探测测试显示,40 张图像内无需更新即可将中位数 L0 从 165 降至 23,代码已公开。
来源:arXiv · 机器人与计算机视觉 · arxiv.org