Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2506.01511

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2506.01511 (cs)
[提交于 2025年6月2日 ]

标题: 通过对抗偏好对齐增强基于扩散的无约束对抗攻击

标题: Enhancing Diffusion-based Unrestricted Adversarial Attacks via Adversary Preferences Alignment

Authors:Kaixun Jiang, Zhaoyu Chen, Haijing Guo, Jinglun Li, Jiyuan Fu, Pinxue Guo, Hao Tang, Bo Li, Wenqiang Zhang
摘要: 扩散模型中的偏好对齐主要集中在良性人类偏好(例如,美学)上。 在本文中,我们提出了一种新的视角:将无约束对抗样本生成问题视为与对手偏好对齐的问题。 与良性对齐不同,对抗性对齐涉及两种本质上相互冲突的偏好:视觉一致性与攻击有效性,这通常会导致优化不稳定和奖励窃取(例如,降低视觉质量以提高攻击成功率)。 为了解决这个问题,我们提出了APA(对抗者偏好对齐),这是一种两阶段框架,可以分解冲突的偏好,并使用可微分奖励分别优化它们。 在第一阶段,APA通过基于规则的相似性奖励微调LoRA来改善视觉一致性。 在第二阶段,APA根据替代分类器的反馈更新图像潜在表示或提示嵌入,这由轨迹级和逐步奖励指导。 为了增强黑盒传输能力,我们进一步结合了扩散增强策略。 实验表明,APA在保持高视觉一致性的前提下实现了显著更好的攻击传输能力,启发了从对齐的角度进一步研究对抗性攻击。 代码将在https://github.com/deep-kaixun/APA上提供。
摘要: Preference alignment in diffusion models has primarily focused on benign human preferences (e.g., aesthetic). In this paper, we propose a novel perspective: framing unrestricted adversarial example generation as a problem of aligning with adversary preferences. Unlike benign alignment, adversarial alignment involves two inherently conflicting preferences: visual consistency and attack effectiveness, which often lead to unstable optimization and reward hacking (e.g., reducing visual quality to improve attack success). To address this, we propose APA (Adversary Preferences Alignment), a two-stage framework that decouples conflicting preferences and optimizes each with differentiable rewards. In the first stage, APA fine-tunes LoRA to improve visual consistency using rule-based similarity reward. In the second stage, APA updates either the image latent or prompt embedding based on feedback from a substitute classifier, guided by trajectory-level and step-wise rewards. To enhance black-box transferability, we further incorporate a diffusion augmentation strategy. Experiments demonstrate that APA achieves significantly better attack transferability while maintaining high visual consistency, inspiring further research to approach adversarial attacks from an alignment perspective. Code will be available at https://github.com/deep-kaixun/APA.
主题: 计算机视觉与模式识别 (cs.CV)
引用方式: arXiv:2506.01511 [cs.CV]
  (或者 arXiv:2506.01511v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2506.01511
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Kaixun Jiang [查看电子邮件]
[v1] 星期一, 2025 年 6 月 2 日 10:18:09 UTC (4,035 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-06
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号