2DSig-Detect: 基于2D签名的图像异常检测半监督框架
计算机视觉与模式识别
2025-03-21 v2 概率论
机器学习
摘要
机器学习技术的快速发展引发了对机器学习模型安全性的疑问，包括训练时（投毒）和测试时（规避、冒充和逆转）攻击。执行图像相关任务（如检测和分类）的模型容易受到对抗性攻击，这些攻击会降低其性能并产生不可取的结果。本文引入一种名为2DSig-Detect的新型技术，用于图像异常检测，该技术基于粗路径理论构建2D签名嵌入的半监督框架。我们在对抗环境下展示了该方法用于训练时和测试时攻击，并将我们的框架与其他最先进方法进行基准测试。使用2DSig-Detect进行异常检测，我们显示该方法在检测图像中对抗性扰动的存在方面表现出优异性能并降低计算时间。
引用
@article{arxiv.2409.04982,
title = {2DSig-Detect: a semi-supervised framework for anomaly detection on image data using 2D-signatures},
author = {Xinheng Xie and Kureha Yamaguchi and Margaux Leblanc and Simon Malzard and Varun Chhabra and Victoria Nockles and Yue Wu},
journal= {arXiv preprint arXiv:2409.04982},
year = {2025}
}