Improving attribution through transferable adversarial attacks

doi:10.1016/j.patcog.2026.114496

Improving attribution through transferable adversarial attacks

2026-07-01

0

PRE

AI

CHEN Fang (Fang Chen) *

DOI：10.1016/j.patcog.2026.114496

原文链接

原文求助

摘要

En 中文

深度神经网络的可解释性对于理解计算机视觉等应用中的模型决策至关重要。在本文中，我们提出了AttEXplore+，一个基于AttEXplore构建的统一对抗归因框架，将可迁移的对抗探索与梯度路径归因相结合。AttEXplore+将可迁移攻击重新表述为梯度获取算子，用于构建更平滑、更有结构的决策边界探索路径，而不仅仅是将其视为额外的攻击选择。我们使用MIG和GRA等验证算子实现了AttEXplore++，并在ImageNet数据集上对五个模型（包括CNNs（Inception-v3、ResNet-50、VGG16）和视觉Transformer（MaxViT-T、ViT-B/16））进行了广泛实验。我们的方法相比AttEXplore平均性能提升7.57%，相比其他最先进的可解释性算法提升32.62%。通过插入和删除分数作为评价指标，我们表明对抗可迁移性在增强归因结果中发挥着关键作用。此外，我们探讨了随机性、扰动率、噪声幅度和多样性概率对归因性能的影响，表明AttEXplore++在不同模型上提供了更稳定可靠的解释。我们的代码发布在：https://github.com/KxPlaug/ATTEXPLOREP。

Keyword:

Interpretability

Transferable adversarial attack

Explainable AI

Attribution

Improving attribution through transferable adversarial attacks

摘要

期刊

机构

引用论文