针对胸部 X 光中常见胸腔疾病分类的对抗攻击与防御的深入对比研究
图像与视频处理
2020-04-01 v1 计算机视觉与模式识别
机器学习
机器学习
摘要
近来，深度神经网络（DNNs）在基于胸部 X 光图像的自动诊断方面取得了重大进展。然而，DNNs 易受对抗样本的攻击，在将基于 DNN 的方法应用于疾病检测时，可能导致对患者的误诊。近来，探索攻击与防御方法对疾病检测影响（尤其是多标签分类问题）的综合性研究甚少。本文旨在综述胸部 X 光中各类对抗攻击与防御方法。首先，详细介绍了攻击与防御方法的动机及其数学表示。其次，我们评估了若干最先进（state-of-the-art）的攻击与防御方法对胸部 X 光中常见胸腔疾病分类的影响。我们发现攻击与防御方法在过多迭代和较大扰动下表现不佳。为此，我们提出了一种对不同程度扰动均具鲁棒性的新防御方法。本研究可为相关领域的方法学发展提供新的见解。
引用
@article{arxiv.2003.13969,
title = {A Thorough Comparison Study on Adversarial Attacks and Defenses for Common Thorax Disease Classification in Chest X-rays},
author = {Chendi Rao and Jiezhang Cao and Runhao Zeng and Qi Chen and Huazhu Fu and Yanwu Xu and Mingkui Tan},
journal= {arXiv preprint arXiv:2003.13969},
year = {2020}
}