利用梯度预测实现快速对抗攻击

arXiv:2605.14868v2 公告类型：替换 摘要：大规模生成对抗样本是鲁棒性评估、对抗训练和红队测试的核心基础操作，但即使是 FGSM 这类“快速”攻击，也仍然受限于一次反向传播的成本。我们提出了一系列攻击方法，通过轻量级线性回归，利用前向传播的隐藏状态预测输入梯度，从而消除反向传播过程。从理论上看，我们推导出了精确的仿射条件梯度均值，证明了该方法在（理想化的）NTK 机制下的最优性。在实验中，我们的方法应用于实际的有限宽度模型时依然有效；在仅耗费极少时间的情况下，我们保留了 FGSM 大部分的攻击性能，使吞吐量提升了 $532\%$。这些结果表明，在现实的运行时间约束下，梯度预测是显著加速对抗样本生成的一种简单且通用的方法。