AdvScan: Black-Box Adversarial Example Detection at Runtime through Power Analysis
本文针对TinyML模型在边缘设备部署中面临的对抗样本(AE)攻击威胁,提出一种名为AdvScan的黑盒运行时检测方法。TinyML模型广泛应用于安全关键型应用,但现有AE检测方案要么需要白盒模型访问(在许可部署中不可行),要么依赖输入预处
共收录 2 条相关情报。
← 返回所有主题本文针对TinyML模型在边缘设备部署中面临的对抗样本(AE)攻击威胁,提出一种名为AdvScan的黑盒运行时检测方法。TinyML模型广泛应用于安全关键型应用,但现有AE检测方案要么需要白盒模型访问(在许可部署中不可行),要么依赖输入预处
本文针对商用深度学习服务中的对抗样本检测问题,提出了一种名为“建设性噪声”的新型防御方法。该方法通过向输入数据添加精心设计的噪声,使得正常样本和对抗样本在模型内部表示上产生可区分的差异,从而有效检测出对抗扰动。核心思路是利用噪声的构造性来对