star32134212 / paper-survey-for-adversarial-attack

對抗攻擊論文懶人包

攻擊類

年份	出處	標題	類型	懶人包	link
2015	ICLR	Explaining and Harnessing Adversarial Examples	Attack	FGSM : 一拳超人攻擊法	link
2017	ICLR	Adversarial examples in the physical world	Attack	IFGSM : FGSM的推廣，用迭代的方式分多步進行擾動，在白箱效果比 FGSM 好	link
2016	CVPR	DeepFool: a simple and accurate method to fool deep neural networks	Attack	Deepfool : 會算可以擾動成功的最小擾動	link
2017		Towards Evaluating the Robustness of Neural Networks	Attack	C&W : 與IFGSD一樣的迭代攻擊	link
2014		Intriguing properties of neural networks	Attack	以能達到攻擊目的的前提下最小化擾動預算	link
2017	CVPR	Universal adversarial perturbations	Attack	找到一個通用的對抗點，讓他可以對每張圖都達到攻擊效果	link
2018		Adversarial Patch	Attack	捨棄以往思路，不在意擾動預算，設計一個可見的擾動，對所有圖片進行無差別攻擊	link
2019		ShapeShifter: Robust Physical Adversarial Attack on Faster R-CNN Object Detector	Attack	對目標檢測器進行攻擊	link
2019	ICLR	Adversarial Reprogramming of Neural Networks	Attack	擾動原本任務，讓目標模型做指定的簡單任務	link
2018	CVPR	On the Robustness of Semantic Segmentation Models to Adversarial Attacks	Attack/圖像語意分割	第一個對圖語意分割網路對抗攻擊的效果討論論文	link
2018		Spatially Transformed Adversarial Examples	Attack/空間扭曲	提出空間扭曲型的擾動例	link
2019		One pixel attack for fooling deep neural networks	Attack/單點攻擊	不管預算而專注於一點的攻擊	link
					link

防禦類

年份	出處	標題	類型	懶人包	link
2017	SSP	Distillation as a Defense to Adversarial Perturbations against Deep Neural Networks	Defense/蒸餾	防禦性蒸餾 : 利用一個大參數模型訓練一個小參數模型	link
2018	CVPR	Defense against Adversarial Attacks Using High-Level Representation Guided Denoiser	Defense/去噪	PGD&HGD : 去掉擾動再丟進分類器	link
2018	ICLR	Mitigating Adversarial Effects Through Randomization	Defense/增加隨機層	迭代攻擊的遷移性差，若在進入 CNN model 前對圖片做一些隨機處理，就可以防禦迭代攻擊	link
2016	CVPR	Improving the Robustness of Deep Neural Networks via Stability Training	Defense/對抗訓練	在Loss function加入了一個穩定度Loss，對大量擾動樣本進行訓練	link
2017		APE-GAN: Adversarial Perturbation Elimination with GAN	Defense/GAN	用GAN將對抗例重構成乾淨的圖片	link
2017		Training Ensembles to Detect Adversarial Examples	Defense/檢測	檢測每一張輸入的圖像是不是對抗例	link
2018		Adversarial Defense based on Structure-to-Signal Autoencoders	Defense/AE/空間轉換	使用一個轉換器做梯度轉換，使原本攻擊者使用的梯度失去參考價值	link
2018		Adversarial Logit Pairing	Defense/logit pairing	使用 logit pairing 做對抗訓練，在大型資料集可以取得比傳統對抗訓練更好的效果	link
2018	ICLR	DEFENSE-GAN: PROTECTING CLASSIFIERS AGAINST ADVERSARIAL ATTACKS USING GENERATIVE MODELS	Defense/GAN	不用對抗樣本，而是自型添加隨機噪聲來訓練生成器	link
2018	ICLR	Countering Adversarial Images using Input Transformations	Defense/探討輸入轉換防禦	討論各種輸入轉換防禦法的效果與特性	link
2016		Foveation-based Mechanisms Alleviate Adversarial Examples	Defense/凹型機制	使用凹型機制來緩解對抗攻擊的效果	link
2017	CCS	MagNet: a Two-Pronged Defense against Adversarial Examples	Defense/檢測與重構	提出了MagNet架構過濾掉擾動大的對抗樣本，重構擾動小的樣本讓他變回乾淨樣	link
2020	NIPS	On the Trade-off between Adversarial and Backdoor Robustness	Defense/防禦平衡	對抗訓練容易被後門攻擊，因此要找一個同時衡量後門攻擊與對抗攻擊的防禦方法	link
			Defense/		link
			Defense/		link
			Defense/		link

其他

年份	出處	標題	類型	懶人包	link
2017		Towards Evaluating the Robustness of Neural Networks	公式推導	將求對抗例的過程推導成一個最優化問題	link
2017		Adversarial Example Defenses: Ensembles of Weak Defenses are not Strong	集成防禦	探討集合多個弱的防禦法是否能得到一個強大的防禦法，結論是No	link
2018	ICLR	Towards Deep Learning Models Resistant to Adversarial Attacks	整合	將攻擊與防禦的模型合進同一個公式中	link
2017		Intriguing Properties of Adversarial Examples	對抗樣本產生	作者認為對抗樣本是因為logit機率分不具有power law，本身模型就容易被誤分類到第二高概率的label	link
2018		Adversarial Examples: Attacks and Defenses for Deep Learning	統整型論文	整理了近年對抗攻擊與防禦的發展	link
					link
					link