一种用于对抗性图像扰动的拟态检测器

对抗性攻击通过向干净图像添加微小、几乎不可见的噪声模式来欺骗深度图像分类器。标准的 $\ell^\infty$ 有界攻击（FGSM、PGD 以及 Carlini--Wagner 的 $\ell^\infty$ 变体）在像素级别产生高频、近乎随机的符号模式：在 $\ell^2$ 范数下几乎不可见，但携带不成比例的梯度能量。我们利用这一点，使用来自开源 MOLE 库的高阶 Corbino--Castillo 拟态算子，构建了一个单次、无需训练的检测器。无需重新训练，无需替代分类器，也无需访问受攻击的网络：判定结果仅取决于输入本身，计算复杂度为 $O(HW)$。我们在标准 \texttt{peppers} 测试图像上，以典型的 $\ell^\infty$ 预算 $\varepsilon = 16/255$ 验证了该检测器，并观察到干净样本与对抗样本之间的分离度从 $k=2$ 阶时的 $3.55\times$ 单调增长到 $k=8$ 阶时的 $4.62\times$。