arXiv·· 13 天前AI 评分22
提升针对深度强化学习的可迁移对抗攻击
Boosting Transferable Adversarial Attacks against Deep Reinforcement Learning
AI 导读
该论文研究针对深度强化学习（DRL）的基于迁移的黑盒攻击：攻击者在白盒代理智能体上构造观测扰动，再喂给未知的受害策略，并将攻击建模为每步扰动预算下的回报最小化。作者首先发现，直接移植 FGSM、MI-FGSM 和 NI-FGSM 等可迁移图像分类攻击，其扰动虽可迁移，但强度不超过随机扰动。
来源：arXiv · arxiv.org