AdvHaze：基于雾的对抗攻击
计算机视觉与模式识别
2021-04-29 v1
摘要
近年来，对抗攻击因其在评估和改进机器学习模型（尤其是神经网络模型）鲁棒性方面的价值而受到更多关注。然而，以往的攻击方法主要集中于施加一些 范数有界的噪声扰动。在本文中，我们转而提出一种基于雾的新型对抗攻击方法，雾是真实世界场景中的常见现象。我们的方法能够基于大气散射模型将潜在的对抗性雾合成到图像中，具有高真实感，并误导分类器预测错误类别。我们在两个流行数据集（即 ImageNet 和 NIPS~2017）上开展实验。我们证明所提方法取得了高成功率，并且在不同分类模型间比基线具有更好的可迁移性。我们还可视化了相关性矩阵，这启发我们联合施加不同扰动以提升攻击成功率。我们希望本工作能推动非基于噪声的对抗攻击的发展，并有助于评估和改进 DNN 的鲁棒性。
引用
@article{arxiv.2104.13673,
title = {AdvHaze: Adversarial Haze Attack},
author = {Ruijun Gao and Qing Guo and Felix Juefei-Xu and Hongkai Yu and Wei Feng},
journal= {arXiv preprint arXiv:2104.13673},
year = {2021}
}