SSM-Attack：黑盒人脸隐私攻击新框架

Tunahan Parlayıcı 等研究者提出 SSM-Attack，一个基于选择性状态空间模型的黑盒人脸隐私攻击框架。它不合成扰动，而是用状态空间模型以线性时间预测扰动预算的空间分配，标出携带身份证据的面部位置，再由短程投影细化确定像素值。 据该研究称，在已发表的基准结果对比中，SSM-Attack 在三个评测集上取得最高的平均黑盒攻击成功率：CelebA-HQ 为 87.10%，LADN 为 86.90%，FFHQ 为 81.15%（后者来自一个从未见过该数据集的网络）。在每像素最大改动上限同为 0.10 时，该分配方式相比均匀分配图将结构相似度提高 0.044、峰值信噪比提高 1.62 分贝、Fréchet Inception 距离改善 11.2 点，同时只使用其 37% 的容量。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。