计算机视觉中对抗攻击与防御的进展：综述
计算机视觉与模式识别
2021-09-03 v2 密码学与安全
计算机与社会
机器学习
摘要
深度学习（DL）是当代计算机视觉领域中使用最广泛的工具。其在准确解决复杂问题方面的能力被应用于视觉研究中，以学习用于包括安全关键应用在内的多种任务的深度神经模型。然而，现已知道 DL 易受对抗攻击的影响，这些攻击可通过在图像和视频中引入视觉上难以察觉的扰动来操纵其预测。自 2013 年发现该现象以来 [1]，它已吸引了来自机器智能多个子领域研究人员的显著关注。在 [2] 中，我们回顾了计算机视觉界在 2018 年之前对深度学习对抗攻击（及其防御）做出的贡献。其中许多贡献启发了该领域的新方向，自见证第一代方法以来该领域已显著成熟。因此，作为 [2] 的延续，本文献综述聚焦于 2018 年以来该领域的进展。为确保真实性，我们主要考虑发表在计算机视觉与机器学习研究的著名来源上的同行评审贡献。除全面的文献综述外，本文还为领域内非专家提供了技术术语的简明定义。最后，本文基于此处综述的文献及 [2] 讨论了该方向的挑战与未来展望。
引用
@article{arxiv.2108.00401,
title = {Advances in adversarial attacks and defenses in computer vision: A survey},
author = {Naveed Akhtar and Ajmal Mian and Navid Kardan and Mubarak Shah},
journal= {arXiv preprint arXiv:2108.00401},
year = {2021}
}
备注
35 pages, 450+ references