近日，东北大学理学院数学系朱和贵教授课题组在人工智能安全对抗攻击方向取得新进展。研究成果“Reinforcing Adversarial Transferability via Negative Class Guided Example Generation”被网络与信息安全方向顶刊IEEE Transactions on Information Forensics and Security（IEEE TIFS）录用发表，论文第一作者为朱和贵教授，东北大学为第一完成单位。
论文从深度神经网络模型决策角度研究对抗样本生成，将目标攻击与非目标攻击建立联系，提出了一种可解耦的非目标攻击算法—Negative Class Guidance（NCG）。NCG利用代理模型的输出来确定深度神经网络模型决策的薄弱方向，引入了高置信度负类来提供更优的对抗样本更新方向，大幅提升了对抗样本在不同模型架构上的可迁移性。此外，NCG可与现有大多数深度神经网络对抗攻击方法结合，展现出广泛的适用性，揭示了当前深度神经网络分类模型的脆弱性，为深度神经网络模型的安全防护和实际部署提供支撑。
IEEE TIFS主要关注信息取证与安全、人工智能安全、密码学与隐私保护等领域的前沿研究，涵盖理论研究、算法设计和实际应用。是中国计算机学会（CCF）网络与信息安全方向推荐的三本A类期刊之一（其余二本期刊为IEEE TDSC、Journal of Cryptology），同时也是中国密码学会（CACR）推荐A类期刊，中国科学院一区TOP期刊，具有很高的学术地位和行业影响力。
该研究工作获得国家自然科学基金项目资助，论文链接地址为：https://ieeexplore.ieee.org/document/11316452 (DOI 10.1109/TIFS.2025.3648871)。
