对抗补丁
计算机视觉与模式识别
2018-05-18 v2
摘要
我们提出了一种在真实世界中创建通用、鲁棒、定向对抗图像补丁的方法。这些补丁是通用的，因为它们可用于攻击任意场景；是鲁棒的，因为它们在多种变换下均有效；是定向的，因为它们能使分类器输出任意目标类别。这些对抗补丁可被打印、添加到任意场景、拍照并呈现给图像分类器；即使补丁很小，它们也会使分类器忽略场景中的其他物品并报告所选的目标类别。为复现论文中的结果，我们的代码可在 https://github.com/tensorflow/cleverhans/tree/master/examples/adversarial_patch 获取。
引用
@article{arxiv.1712.09665,
title = {Adversarial Patch},
author = {Tom B. Brown and Dandelion Mané and Aurko Roy and Martín Abadi and Justin Gilmer},
journal= {arXiv preprint arXiv:1712.09665},
year = {2018}
}