SW-ProxyCE：从公共脑电图编码器到私有下游模型的零查询对抗性传输

arXiv:2608.16931v1 公告类型：新 摘要：脑电图 (EEG) 基础模型最近已成为通过从大规模异构神经记录中学习可重用表示来进行脑电图解码的有前途的范例。然而，EEG 基础编码器的公开发布在促进下游开发的同时，也引入了先前未探索的安全风险：公开可用的表示可能使私有下游模型容易受到攻击。本文研究了公共编码器和私有下游设置中脑电图基础模型部署中的对抗性传输攻击，其中攻击者可以白盒访问已发布的编码器和小型任务匹配的标记参考集，但无法访问或查询受害者参数、输出或梯度。我们提出了收缩白化代理交叉熵（SW-ProxyCE），这是一种免查询的任务感知攻击框架，它通过收缩白化类原型从小型标记参考集中恢复任务级决策几何，从而无需训练额外的代理分类器即可实现可转移的对抗生成。我们使用三个通用基础编码器和一个特定范式的预训练编码器评估了三个 EEG 任务中的 SW-ProxyCE，涵盖跨主题和主题内场景中的线性探测和完全微调下游模型。结果表明，从公共编码器和有限的标记参考生成的对抗性示例可以有效地转移到无法访问的下游模型。 SW-ProxyCE 始终优于与任务无关的表示转换攻击，这表明脑电图基础模型的强大可转移性并不一定会带来对抗性鲁棒性。我们的代码将在 GitHub 上提供。