针对星载多光谱云检测器的对抗攻击
计算机视觉与模式识别
2021-12-06 v1 图像与视频处理
摘要
地球观测（EO）卫星采集的数据常受云层覆盖影响。检测云的存在——日益通过深度学习完成——是 EO 应用中的关键预处理。事实上，先进的 EO 卫星在星上执行基于深度学习的云检测，并仅下传晴空数据以节省宝贵带宽。在本文中，我们揭示了基于深度学习的云检测对对抗攻击的脆弱性。通过优化一个对抗图案并将其叠加到无云场景中，我们使神经网络偏向于在该场景中检测云。由于云检测器的输入光谱包含非可见光波段，我们在多光谱域中生成了攻击。这开启了多目标攻击的潜力，具体而言，在云敏感波段中的对抗偏置与在可见光波段中的视觉伪装。我们还研究了针对对抗攻击的缓解策略。我们希望我们的工作进一步提升 EO 界对对抗攻击潜力的认知。
引用
@article{arxiv.2112.01723,
title = {Adversarial Attacks against a Satellite-borne Multispectral Cloud Detector},
author = {Andrew Du and Yee Wei Law and Michele Sasdelli and Bo Chen and Ken Clarke and Michael Brown and Tat-Jun Chin},
journal= {arXiv preprint arXiv:2112.01723},
year = {2021}
}