通用對抗擾動攻擊
運行與監控
風險描述
攻擊者製作一組與輸入無關的通用對抗擾動,可以被加到任意輸入上使模型產生錯誤輸出。不同於針對特定樣本的對抗攻擊,通用擾動可以大規模應用,例如一張通用貼紙貼在任何交通號誌上都能欺騙自駕車辨識系統。這大幅降低了攻擊的門檻和成本。
框架對照
iso 23894R2
mitre atlasAML.T0043
tw principle資安與安全
tw risk type技術設計缺陷(Technical Design Flaw)
控制措施
- 對抗訓練
- 輸入預處理防禦
處理步驟
- 在訓練中加入通用對抗擾動樣本進行對抗訓練
- 部署輸入預處理防禦(如隨機裁剪、JPEG 壓縮)削弱擾動效果
- 實施多模型集成決策,降低單一擾動的通用性
- 建立模型輸出信心分數監控,低信心預測觸發人工審查