تقدمت الهجمات الجسدية المضادة بسرعة، مع تطوير العديد من الطرق للتغلب على تحدي تطبيق الاضطرابات في البيئات الواقعية. ومع ذلك، لم يُعطَ القليل من الاهتمام لتحدي الوصول إلى المعلومات. تعمل معظم الهجمات المضادة في بيئات الصندوق الأبيض أو سيناريوهات الصندوق الأسود المحدودة المعلومات. على الرغم من أن الأعمال السابقة استكشفت أمثلة عامة مضادة وهجمات بدون وصول مباشر إلى الشبكات المستهدفة، إلا أن الأدبيات الموجودة لا تدعم التطبيق الواسع للطرق المضادة الموجودة مسبقًا في ما نقدمها كـ "سيناريو غير المتعلق بالصندوق". على عكس إعداد الصندوق الأسود، الذي يفترض الوصول إلى كل من المدخلات والمخرجات للشبكة المستهدفة، يفترض سيناريو عدم العلاقة بالصندوق المعرفة فقط بالصورة المدخلة، دون الوصول إلى مخرجات التصنيف. لمعالجة هذا التحدي، نقدم تدريب تدرجات متعددة الأهداف (MTGT)، وهو نهج جديد يستفيد من هياكل الترميز-فك الترميز المدربة على التدرجات المدمجة لعدة مصنفين تم تدريبهم مسبقًا. من خلال دمج هياكل متنوعة، يلتقط MTGT مجموعة واسعة من كواشف الميزات، مما يسمح للأماكن الغنية بالميزات أن تظهر بشكل طبيعي أثناء التدريب. بالإضافة إلى ذلك، نقدم دالة خسارة جديدة تعتمد على الترتيب التي تحسن التدريب من خلال التركيز على أهم بكسلات في التدرجات المدمجة، مما يوجه الشبكة للتركيز على الميزات الأكثر أهمية للهجمات الناجحة. تمكن هذه العملية الشبكة من تحديد واستغلال المناطق الغنية بالمعلومات داخل الصورة، مما يسهل الهجمات المضادة التي تستهدف هذه المناطق بدلاً من الاعتماد على تدرجات أي شبكة واحدة. نقوم بتقييم فعالية MTGT من خلال اختبار قدراته المضادة ضد الشبكات خارج المجموعة المستخدمة أثناء التدريب، مما يظهر إمكاناته في توليد هجمات تتعمق عبر هياكل未شاهد.
درس Hodes وآخرون (الأربعاء) هذا السؤال.