LBA：低查询预算下的文本硬标签对抗攻击

研究者提出采样式对抗攻击方法 LBA，用于在硬标签（hard-label）场景、低查询预算下生成高质量对抗文本。在覆盖小规模到大规模架构的六个语言模型和四个数据集的实验中，LBA 在所有评估指标上显著优于现有最先进基线。现有方法多依赖贪心算法逐位置替换，局部搜索可能漏掉高质量对抗样本且查询成本过高，而穷举所有位置组合在计算上不可行。LBA 融合先验与后验知识构建高质量对抗样本的近似分布并据此采样，随采样推进用后验知识更新分布，引导更有效的采样。基于 LLM 的评估还显示，LBA 生成的对抗文本语义保留更好、更易理解。