Spiking Neural Networks Are Harder to Steal: A Benchmark Study of Model Stealing Attacks

针对脉冲神经网络（SNN）的模型窃取攻击基准测试显示，其比传统人工神经网络更难被复制。在 MNIST、Fashion-MNIST 和 CIFAR-10 数据集上，四种主流攻击方法生成的 SNN 代理模型与目标模型的决策一致性降低 10% 至 20%，对抗迁移性降低 15% 至 25%。这种差异源于 SNN 基于尖峰和时间依赖的动态计算机制，使其决策边界难以被基于 ANN 的代理模型近似。