주변-본질 차원 간의 차이가 모델의 적대적 취약성에 미치는 영향을 탐구함.
본 논문에서는 CLIP 기반 생성 네트워크(CGNC)를 제안하여 다중 타겟 블랙박스 공격에서 전이 가능한 적대적 공격의 성능을 향상시킵니다. CGNC는 CLIP 모델에서 제공하는 풍부한 텍스트 정보를 활용하여 타겟 클래스에 대한 의미적 지식을 학습하고, 이를 통해 보다 효과적인 적대적 샘플을 생성합니다.