面向生成式对抗网络的贝叶斯成员推理攻击

来源：计算机应用杂志2025年第10期北京时间：

作者：尚游, 缪祥华

单位：1.昆明理工大学 信息工程与自动化学院，昆明 650504；2.计算机重点实验室（昆明理工大学），昆明 650504

摘要：目前，关于生成式对抗网络（GAN）中成员推理攻击（MIA）的准确率与生成模型自身泛化能力之间的关系存在争议，因此有效的攻击手段难以广泛应用，这限制了生成模型的改进。为了解决上述问题，提出一种基于贝叶斯估计（BE）的灰盒MIA方案，旨在灰盒场景下高效匹配参数以实现最优攻击。首先，在黑盒条件下设计目标模型和影子模型的训练框架，以获取攻击模型所需的参数知识；其次，结合并利用这些有效参数信息不断更新目标函数，从而训练攻击模型；最后，将训练好的攻击模型应用于MIA。实验结果表明，与现有的白盒、黑盒攻击方案相比，基于BE的灰盒攻击方案的准确率平均分别提升了15.89%和21.64%。以上研究结果展示了参数暴露与攻击成功率（ASR）之间的直接联系，也为未来该领域开发防御性策略提供了方向。

关键词：机器学习,生成式对抗网络,成员推理攻击,贝叶斯估计,关联分析

基金资助：云南省重大科技专项计划项目(202302AD080002)