CIFARAttack

Competition URL:

https://challenge.aisafety.org.cn/#/competitionDetail?id=15

About Model Download:

Model in TorchVision

https://drive.google.com/file/d/17fmN8eQdLpq2jIMQ_X0IXDPXfI9oVWgq/view

Model in RobustBench

Automatic Download By RobustBench Using Gdown

Run Code:

python main.py --eps=22.0 (replace to yours)
python generate.py
python to_pic.py

Further Improvement:

比较明显的上分点：

1. 显然攻击难度在这种情况下主要取决于样本自身的特征，有的样本其实并不需要很大的扰动就可以攻到了，可以有梯度的生成样本，增大SSIM，大概算了一下可能能提到47分左右

2. 显然可以用生成网络，其实集成了AdvGAN，但是训练成本比较高，就没再继续训下去，用生成模型做对抗样本的很多，你可以直接在损失函数里优化SSIM，同时加一些正则项之类，感觉结合上面再和之前结果投票，上限在50分左右

3. Rethinking Model Ensemble in Transfer-based Adversarial Attacks (ICLR2024) https://arxiv.org/abs/2303.09105

4. 加入对抗训练后的transformer-based model还可以上分，但我觉得意义不大

Feelings

数据挖掘比赛，要么算法碾压，要么trick有效，最后种子上分，当CV和LB表现不一致时要学会自己分析原因，比如这个比赛“无盒攻击”很明显就在模型集成上，但没太多实际意义，cifar这个数据集图太小，频率太高，开源了，留给后人继续卷吧

Update

做PPT的时候随手又想了两个trick，第一个是在无穷攻击的基础上用二范数攻击方法微调，SSIM基本不会掉太多，这个work了，还有一个不work的，太小丑就不说了