面向图像与视频分类的对抗性边框攻击
计算机视觉与模式识别
2019-10-18 v3 人工智能
机器学习
机器学习
摘要
神经网络易受对抗攻击。一般而言，此类攻击通过轻微修改输入的大部分像素或用补丁遮挡输入来降低输入质量。在本文中，我们提出一种保持图像不变、仅在图像边缘添加对抗性边框的方法。我们通过实验表明，我们的方法能够成功攻击图像和视频分类问题上最先进的方法。值得注意的是，所提方法产生了一种通用的攻击，且在测试时非常快。源代码可在 https://github.com/zajaczajac/adv_framing 找到。
引用
@article{arxiv.1812.04599,
title = {Adversarial Framing for Image and Video Classification},
author = {Konrad Zolna and Michal Zajac and Negar Rostamzadeh and Pedro O. Pinheiro},
journal= {arXiv preprint arXiv:1812.04599},
year = {2019}
}
备注
This is an extended version of the paper published at 33rd AAAI Conference on Artificial Intelligence (see https://doi.org/10.1609/aaai.v33i01.330110077 )