AI對(duì)抗遷移性評(píng)估的「撥亂反正」：那些年效果虛高的攻防算法們

本文第一作者 / 通訊作者趙正宇來自西安交通大學(xué)，共同第一作者張焓韡、李仞玨分別來自德國薩爾大學(xué)、中科工業(yè)人工智能研究院。其他合作者分別來自法國馬賽中央理工、法國 INRIA 國家信息與自動(dòng)化研究所、德國 CISPA 亥姆霍茲信息安全中心、清華大學(xué)、武漢大學(xué)、西安交通大學(xué)。

對(duì)抗樣本（adversarial examples）的遷移性（transferability）—— 在某個(gè)模型上生成的對(duì)抗樣本能夠同樣誤導(dǎo)其他未知模型 —— 被認(rèn)為是威脅現(xiàn)實(shí)黑盒深度學(xué)習(xí)系統(tǒng)安全的核心因素。盡管現(xiàn)有研究已提出復(fù)雜多樣的遷移攻擊方法，卻仍缺乏系統(tǒng)且公平的方法對(duì)比分析：（1）針對(duì)攻擊遷移性，未采用公平超參設(shè)置的同類攻擊對(duì)比分析；（2）針對(duì)攻擊隱蔽性，缺乏多樣指標(biāo)。

為了解決上述問題，本文依據(jù)通用機(jī)器學(xué)習(xí)全周期階段，將遷移攻擊方法系統(tǒng)性劃分為五大類，并首次針對(duì) 23 種代表性攻擊與 11 種代表性防御方法（包括針對(duì)遷移的防御與現(xiàn)實(shí)世界的視覺系統(tǒng) API），在 ImageNet 數(shù)據(jù)集上開展對(duì)抗遷移性綜合評(píng)估，并通過大規(guī)模用戶實(shí)驗(yàn)評(píng)估對(duì)抗隱蔽性。

本文證實(shí)上述評(píng)估缺陷確實(shí)導(dǎo)致了理解盲區(qū)甚至誤導(dǎo)性結(jié)論，而解決這些缺陷后帶來一系列新見解，例如：（1）早期攻擊方法 DI 性能反而超越所有后續(xù)同類攻擊；(2) 原本聲稱白盒防御方法 DiffPure 卻極易被（黑盒）遷移方法攻破；（3）幾乎所有攻擊方法在提升遷移性的同時(shí)，實(shí)則犧牲了（通過多樣化指標(biāo)量化的）攻擊隱蔽性。

• 論文題目：Revisiting Transferable Adversarial Images: Systemization, Evaluation, and New Insights
• 接收期刊：TPAMI 2025
• 預(yù)印本鏈接：https://arxiv.org/abs/2310.11850
• 代碼鏈接：https://github.com/ZhengyuZhao/TransferAttackEval

研究現(xiàn)狀

對(duì)抗樣本的遷移性是研究深度學(xué)習(xí)系統(tǒng)魯棒性的重要課題。在真實(shí)世界中，攻擊者往往無法訪問目標(biāo)模型的內(nèi)部參數(shù)或訓(xùn)練集（黑盒情形）。攻擊在一個(gè) / 一類模型上生成后能否在另一個(gè)未知模型上保持效力（即攻擊遷移性），直接決定了攻擊的實(shí)際威脅水平與防御的有效性。

當(dāng)前相關(guān)研究存在兩個(gè)長期被忽略但是影響深遠(yuǎn)的問題：

• 攻擊遷移性（transferability）評(píng)估缺乏系統(tǒng)的一對(duì)一比較與公平的超參數(shù)設(shè)定：不同方法常在不同或不對(duì)等的超參數(shù)下對(duì)比，導(dǎo)致結(jié)論不可比或誤導(dǎo)性強(qiáng)。
• 攻擊隱蔽性（stealthiness）幾乎沒有被系統(tǒng)評(píng)估： 許多工作只報(bào)告 Lp 約束下的成功率，而忽略了視覺 / 感知質(zhì)量和攻擊可溯源特性的差異；也就是說，攻擊「看上去」是否真實(shí)不可察覺并未被充分衡量。

這種不嚴(yán)格的比較與不完整的度量導(dǎo)致使得某些方法被高估或低估，進(jìn)而誤導(dǎo)防御設(shè)計(jì)與研究方向。

創(chuàng)新發(fā)現(xiàn)

依托前文所建立的評(píng)估框架，我們得以從實(shí)驗(yàn)結(jié)果中更清晰地分析對(duì)抗魯棒性的內(nèi)在因素。以下部分將概述主要發(fā)現(xiàn)與啟發(fā)性結(jié)論：

1.在公平的超參數(shù)設(shè)定下，早期方法 DI 竟優(yōu)于后續(xù)眾多所謂改進(jìn)方法：許多后來被認(rèn)為更強(qiáng)的遷移攻擊，實(shí)則得益于更有利的實(shí)驗(yàn)設(shè)定。一旦把超參數(shù)公平化，DI 類的早期方法便會(huì)遙遙領(lǐng)先。因此，我們需要公平對(duì)比來避免誤導(dǎo)性結(jié)論。這不僅關(guān)系到學(xué)術(shù)層面的研究，更關(guān)系到實(shí)際系統(tǒng)對(duì)抗威脅的判斷與防御優(yōu)先級(jí)的設(shè)定。

2.擴(kuò)散（diffusion）類防御方法依賴 “虛假安全感”：基于擴(kuò)散原理進(jìn)行去噪的防御方法雖然聲稱在白盒或某些自適應(yīng)攻擊下表現(xiàn)很強(qiáng)，但黑盒（遷移）攻擊反而可以很大程度上繞過這些防御。因此，此類防御方法只是由于評(píng)估不完善帶來的 “虛假安全感”

3.相同 Lp 約束下，不同攻擊在隱蔽性上有巨大差異，且隱蔽性與遷移性之間呈負(fù)相關(guān)：即便所有攻擊都受同一 Lp 限制，在視覺感知度量（PSNR/SSIM/LPIPS 等）上依然差距很大。因此，除了常用 Lp 約束外，需要同時(shí)報(bào)告遷移性與多維度隱蔽性指標(biāo)，以便合理權(quán)衡攻擊遷移性與隱蔽性。

具體評(píng)估建議與攻防設(shè)計(jì)參考如下：

評(píng)估框架與結(jié)果

本文依據(jù)通用機(jī)器學(xué)習(xí)全周期階段，將遷移攻擊方法系統(tǒng)性劃分為五大類，如下圖所示：

本文涉及了 23 種代表性攻擊與 11 種代表性防御方法，如下表所示：

針對(duì)攻擊遷移性，本文從兩個(gè)維度入手修正與完善現(xiàn)有評(píng)估基準(zhǔn)：（1）引入完整的遷移攻擊方法分類，并進(jìn)行公平的類內(nèi)（intra-category）比較；（2）從 “攻擊溯源（attack traceback）” 角度設(shè)計(jì)隱蔽性評(píng)估。更具體地說，本文拋棄了將不同類攻擊方法直接對(duì)比的傳統(tǒng)策略，而是對(duì)同類攻擊進(jìn)行一對(duì)一、超參數(shù)公平化的對(duì)比實(shí)驗(yàn)：統(tǒng)一攻擊強(qiáng)度約束（相同 Lp 限制）、統(tǒng)一優(yōu)化 / 迭代預(yù)算，并在同一組目標(biāo)模型 / 防御上逐項(xiàng)比較。

針對(duì)攻擊隱蔽性，本工作不再僅依靠單一 Lp 值來進(jìn)行衡量，而是引入多樣化的感知質(zhì)量指標(biāo)（例如常用的 PSNR/SSIM/LPIPS 等）并結(jié)合更細(xì)粒度的隱蔽性特征。另外，本文創(chuàng)新性地引入 “攻擊溯源” 視角，分析攻擊是如何產(chǎn)生可見 / 可追溯的擾動(dòng)（例如是否集中于圖像某些高頻區(qū)域、是否具有結(jié)構(gòu)化模式、擾動(dòng)是否容易被現(xiàn)有檢測(cè)器或去噪機(jī)制識(shí)別）。

未來展望

我們呼吁研究界在對(duì)比任何（攻防）方法時(shí)務(wù)必采用一對(duì)一、超參數(shù)合理的公平設(shè)計(jì)；報(bào)告遷移性時(shí)同時(shí)報(bào)告多種感知 / 隱蔽性指標(biāo)（不僅是 Lp），并分析攻擊的可追溯性特征；在評(píng)估防御有效性時(shí)，必須納入可遷移黑盒攻擊的考驗(yàn)，尤其是對(duì)擴(kuò)散 / 去噪類防御要采用更全面的測(cè)試；公開代碼、超參數(shù)與評(píng)估腳本，以便社區(qū)復(fù)現(xiàn)與累積真實(shí)進(jìn)展。