原文标题：ECCV 2024 | 让GPT-4图像理解更易出错，全新策略增强VLP模型对抗迁移性
原文作者：机器之心
冷月清谈：
**摘要**
视觉-语言预训练 (VLP) 模型在图像理解方面的强大能力也使其面临对抗攻击风险，即通过对输入数据进行微小的扰动即可欺骗模型。本文提出了一种新的迁移攻击策略，利用对抗轨迹交集区域的概念来提高对抗样本的多样性，从而增强 VLP 模型的对抗鲁棒性。
具体方法
- 在对抗轨迹交集区域内采样图像，以获得多样化的对抗扰动方向。
- 使用文本引导选择最佳采样图像。
- 通过图像增强探索最佳采样图像周围的多样性。
- 在文本模态中，让对抗文本偏离沿对抗轨迹的最后一个交集区域。
实验结果
- 在跨模型和跨任务迁移性上，提出的策略比现有方法显著提升了攻击成功率。
- 可视化结果表明，该策略能够有效诱导 VLP 模型在视觉定位和图像描述任务上产生错误。
- 对 ChatGPT-4 和 Claude-3 等商业模型的迁移攻击也取得了成功。
结论
本文提出的对抗轨迹交集区域策略为增强 VLP 模型的对抗鲁棒性提供了一种新的思路。未来研究方向包括更充分地利用交集区域和提供更深入的理论解释。
怜星夜思：
1、对抗攻击的迁移性对 VLP 模型的安全有何影响？
2、本文提出的对抗轨迹交集区域策略如何提高对抗攻击的多样性？
3、除了本文提出的方法，还有哪些其他提高 VLP 模型对抗鲁棒性的方法？
2、本文提出的对抗轨迹交集区域策略如何提高对抗攻击的多样性？
3、除了本文提出的方法，还有哪些其他提高 VLP 模型对抗鲁棒性的方法？
原文内容
AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：[email protected]；[email protected]
本文作者分别来自南开大学、南洋理工大学和新加坡科技局。第一作者高森森为南开大学大四学生，此工作为其在新加坡科技局实习期间完成，实习导师为本文通讯作者郭青研究员（主页：https://tsingqguo.github.io）。本文的共同第一作者和共同通讯作者是南洋理工大学的加小俊博后研究员（主页：https://jiaxiaojunqaq.github.io）。
针对视觉-语言预训练（Vision-Language Pretraining, VLP）模型的对抗攻击，现有的研究往往仅关注对抗轨迹中对抗样本周围的多样性，但这些对抗样本高度依赖于代理模型生成，存在代理模型过拟合的风险。
为了解决这一问题，我们引入了对抗轨迹交集区域的概念。这个区域由干净样本、当前对抗样本以及上一步对抗样本所构成的三角形区域。通过利用这一区域的多样性，我们不仅考虑了更加多样化的扰动方向，还关注了干净样本周围的对抗多样性，从而提升了对抗样本的迁移性。
本篇工作的论文和代码均已开源。
-
论文题目：Boosting Transferability in Vision-Language Attacks via Diversification along the Intersection Region of Adversarial Trajectory
-
论文链接：https://arxiv.org/pdf/2403.12445
-
代码链接：https://github.com/SensenGao/VLPTransferAttack
研究背景
近年来，ChatGPT-4等视觉 - 语言预训练模型（VLP）展示了强大的多模态理解和生成能力，在图像识别、文本生成等任务中表现出色。然而，这些模型的强大性能也伴随着一个显著的安全隐患：对抗攻击（Adversarial Attacks）。对抗攻击是指通过对输入数据进行微小且难以察觉的扰动，诱使模型产生错误输出。这种攻击方式不仅可以影响模型的预测准确性，甚至可能导致严重的安全问题。
由于 ChatGPT-4 等商业模型通常是闭源的，攻击者无法直接访问其内部参数和结构信息，这使得直接攻击这些模型变得困难。然而，攻击者可以通过对类似的开源或已知结构的 VLP 模型（如 CLIP）进行研究，生成对抗样本并将其应用于闭源商业模型。这种方法被称为对抗攻击的迁移攻击（Transfer Attack）。
对抗攻击的迁移性研究具有重要意义。一方面，了解对抗攻击在不同模型间的迁移性，可以提高对这些商业闭源模型的攻击成功率，从而帮助我们更好地评估和提升闭源模型的安全性，防止潜在的安全漏洞。另一方面，通过研究对抗样本在不同模型上的表现，可以进一步优化对抗训练方法，提高模型的鲁棒性和抗攻击能力。
动机
图 1：现有方法对于 VLP 模型在代理模型和目标模型上的攻击成功率 (图片来源：SGA (arXiv:2307.14061))。
SGA (ICCV2023 Oral) 是第一篇探索对 VLP 模型进行迁移攻击的工作，但实验结果显示在目标模型上的攻击成功率远低于代理模型。本研究的目标是探索 SGA 方法在目标模型上迁移性较差的因素，进一步提高对 VLP 模型迁移攻击的成功率。
图 2：SGA 和我们方法的对比。
如图 2 所示，SGA 采用迭代攻击，并在迭代优化路径上通过图像增强（Resize）来增加对抗样本的多样性。然而，这种多样性仅考虑了对抗图像的周围区域，而对抗图像由代理模型生成，容易导致过拟合，从而降低了迁移性。
干净样本完全独立于代理模型，因此我们认为干净样本周围的对抗多样性同样重要。为此，我们利用对抗轨迹的交集区域构建更广泛的多样性，它由干净图像、当前对抗图像和上一步对抗图像构成。
方法
图像模态
首先，我们在所提出的对抗轨迹交集区域中采样多个图像，并得到多样化的对抗扰动方向：
随后，我们使用文本引导进行采样图像的选择：
此时即表示最佳的采样图像，我们同时采用了 SGA 的思想，通过图像增强操作进一步探索最佳采样图像周围的对抗扰动多样性，最终的迭代表示为：
文本模态
过去的研究在生成对抗文本时，先通过迭代优化生成对抗图像，随后使对抗文本偏离最终生成的对抗图像。然而，正如我们前面所述，对抗图像高度依赖于代理模型，这样生成的对抗文本也存在过拟合的风险。
我们提议让对抗文本偏离沿对抗轨迹的最后一个交集区域，具体而言，对抗文本应偏离由原始图像
、倒数第二个对抗图像
和最终对抗图像
构成的三角区域。此外，我们设置了可调节的系数因子，其中
。
、倒数第二个对抗图像和最终对抗图像构成的三角区域。此外，我们设置了可调节的系数因子，其中。
实验效果
跨模型迁移性
下表 1 显示了在图像 - 文本检索（Image-Text Retrieval, ITR）任务中跨模型攻击的迁移性。相比于 SGA，我们的方法在多个跨模型迁移性上提升了 10% 以上。
跨任务迁移性
下表 2 显示了利用在图像 - 文本检索（ITR）任务上预训练的 ALBEF 模型，生成多模态对抗样本，以攻击 RefCOCO + 数据集上的视觉定位（VG）任务和 MSCOCO 数据集上的图像描述（IC）任务。基线表示每个任务在没有任何攻击时的性能，较低的值表示对这两个任务的对抗攻击效果更好。
攻击可视化
下图 3 显示了对视觉定位任务攻击的可视化。
下图 4 显示了对图像描述任务攻击的可视化。
从图 3 和图 4 可以看出，通过对抗攻击，使 VLP 模型在视觉定位和图像描述任务上均出现了严重错误。
下图 5 显示了对 ChatGPT-4 迁移攻击的可视化。
下图 6 显示了对 Claude-3 迁移攻击的可视化。
我们分别将干净图像和对抗图像输入 ChatGPT-4，Claude-3 等大模型，并使用查询「Describe this image.」得到输出结果，我们从图 5 和图 6 可以看到，两个大模型对对抗图像的理解已经出现很大的错误。
结语
尽管该工作在提升多模态对抗攻击迁移性方面取得了显著效果，但如何更充分地利用对抗攻击的交集区域，以及提供更深入的理论解释，仍然是未来值得深入研究的方向。我们对对抗轨迹交集区域及其对 VLP 对抗攻击迁移性的研究还在持续探索中，欢迎大家持续关注。如果有任何问题或进一步的想法，随时欢迎讨论。
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：[email protected]