文章总结： 东北大学朱和贵教授课题组在IEEETIFS发表AI对抗攻击研究，提出NCG算法利用负类引导生成对抗样本，大幅提升跨模型迁移性，揭示了深度神经网络脆弱性，支持模型安全防护。
综合评分： 82
文章分类： AI安全,网络安全,漏洞分析
东北大学朱和贵教授课题组在网络与信息安全领域顶级期刊（IEEE TIFS）发表重要研究成果
信息网络安全杂志
2026年2月3日 17:39
上海
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，中科院一区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。
来源：东北大学理学院
推荐阅读
信息网络安全
《信息网络安全》创刊于2001年，是由公安部主管，公安部第三研究所、中国计算机学会主办，面向国内外公开发行的国内首批信息安全类期刊之一，于2015年成为中国科技核心期刊，2017年成为中国科学引文数据库来源期刊，2018年成为中文核心期刊，2022年入选CCF计算领域高质量科技期刊分级目录。
中文核心期刊
中国科技核心期刊
中国科学引文数据库来源期刊
CCF计算领域高质量科技期刊
我们在不断努力和完善中，期待您的关注和支持！
免责声明：
本文所载程序、技术方法仅面向合法合规的安全研究与教学场景，旨在提升网络安全防护能力，具有明确的技术研究属性。
任何单位或个人未经授权，将本文内容用于攻击、破坏等非法用途的，由此引发的全部法律责任、民事赔偿及连带责任，均由行为人独立承担，本站不承担任何连带责任。
本站内容均为技术交流与知识分享目的发布，若存在版权侵权或其他异议，请通过邮件联系处理，具体联系方式可点击页面上方的联系我。
本文转载自：信息网络安全杂志 《东北大学朱和贵教授课题组在网络与信息安全领域顶级期刊（IEEE TIFS）发表重要研究成果》