一种基于数据鲁棒性差异的成员推理攻击方法

摘要

本发明属于机器学习安全领域，具体是一种基于数据鲁棒性差异的成员推理攻击方法。包括以下步骤。S100～将选定数据集随机分成两组。S200～利用已知的模型知识和数据集Dtrain训练一个与原模型结构相似的本地隐含模型S。S300～给样本x0添加随机噪声r后对本地隐含模型S进行查询，求与x0具有不同标签且位于决策边界上的邻接点P。S400～求解P对应梯度方向向量ξ。S500～得到方向向量ξ后，从x0开始沿着方向ξ用二分查找查询目标模型。S600～重复步骤S400和S500计算Dshadow中所有样本与对抗样本间距。S700～Dtarget随机选取数据作为训练样本，训练被攻击的目标模型h。S800～利用上述类似S300、S400和S500步骤方法查询目标模型h，求解Dtarget中样本对应的最小对抗样本xadv及两者间的差距。