对抗性 RAW：针对成像管线的图像缩放攻击
计算机视觉与模式识别
2022-06-07 v1 密码学与安全
机器学习
图像与视频处理
摘要
深度学习技术已成为计算机视觉发展的支柱。随着进一步探索，深度神经网络被发现易受精心设计的对抗攻击。大多数视觉设备都配备图像信号处理（ISP）管线以实现 RAW 到 RGB 的转换，并嵌入数据预处理模块以高效处理图像。实际上，ISP 管线会给拍摄后的图像引入对抗行为，而数据预处理可能会破坏攻击模式。然而，现有对抗攻击均未同时考虑 ISP 管线与数据预处理的影响。在本文中，我们提出了一种针对 ISP 管线的图像缩放攻击，其中精心构造的对抗性 RAW 在被缩放到特定尺寸图像时，可转换为呈现完全不同外观的攻击图像。我们首先考虑梯度可用的 ISP 管线，即梯度信息可直接用于对抗性 RAW 的生成过程以发起攻击。为使对抗攻击更具适用性，我们进一步考虑梯度不可用的 ISP 管线，其中提出了一个良好学习 RAW 到 RGB 转换的代理模型作为梯度预言机。大量实验表明，所提出的对抗攻击能以高攻击率针对目标 ISP 管线构造对抗性 RAW 数据。
引用
@article{arxiv.2206.01733,
title = {Adversarial RAW: Image-Scaling Attack Against Imaging Pipeline},
author = {Junjian Li and Honglong Chen},
journal= {arXiv preprint arXiv:2206.01733},
year = {2022}
}