黑盒模型探测攻击概率序列检测数据集

摘要：该数据集收集良性查询与OARS增强攻击的模型输出，用于研究和检测黑盒模型探测行为。

数据集概述

该数据集面向黑盒机器学习模型探测攻击检测，收集良性查询与多种OARS增强型攻击产生的模型输出，用于研究攻击者通过连续查询推断模型分类边界时形成的行为特征。

数据结构与关键特征

数据集包含CIFAR-10和ImageNet-1K两个子集，分别以ResNet-20和ResNet-152作为目标模型。数据记录每次连续查询产生的前两位类别概率分数，并将其组成时间序列，涵盖NES、HSJA、QEBA、Boundary、Square和SurFree等攻击及其OARS增强版本。

应用价值与研究方向

该数据集可用于黑盒模型探测攻击识别、概率时间序列分类、OARS增强攻击检测、查询行为分析及机器学习模型安全防御研究，也可用于评估不同攻击检测方法在复杂规避场景下的鲁棒性。

数据集来源

由张家梁(Bob)整理并于2026年在7zcode平台公开发布。

数据集信息

免责声明与引用

数据仅用于科研与教学用途。若用于商业场景，请自行核验数据许可。如需引用，请在论文或报告中注明数据集名称与版本号。

作者信息

作者：Bob (张家梁)
项目编号：Datasets-676
文件大小：490M
原创声明：本数据集为整理作品

联系方式

开源协议

本项目采用AGPL-3.0开源协议，允许个人和组织自由使用、修改和分发代码，但基于本项目的衍生作品必须同样开源，且用于提供网络服务时需向用户提供完整源代码。本项目仅供学习研究使用，作者不对使用本项目产生的任何后果承担责任，使用者应遵守当地法律法规，合理合法使用本项目。如本项目对您的研究或工作有所帮助，欢迎引用并注明出处。