一种消除对抗效应的高效预处理方法
计算机视觉与模式识别
2020-01-01 v2
摘要
深度神经网络（DNNs）易受对抗样本攻击，后者通过对输入施加微小扰动使模型预测错误输出。当前大量对抗样本防御研究忽视实际应用，要么计算复杂度高，要么防御效果差。受此启发，我们开发了一种高效预处理方法来防御对抗图像。具体而言，在对抗样本输入模型前，我们执行两种图像变换：WebP压缩，用于去除微小对抗噪声；翻转操作，沿图像一侧将图像翻转一次以破坏对抗扰动的特殊结构。最终获得去扰动样本，可被DNNs正确分类。在ImageNet上的实验结果表明，我们的方法优于SOTA防御方法。它可有效防御对抗攻击，同时仅使正常图像精度出现极小下降。
引用
@article{arxiv.1905.08614,
title = {An Efficient Pre-processing Method to Eliminate Adversarial Effects},
author = {Hua Wang and Jie Wang and Zhaoxia Yin},
journal= {arXiv preprint arXiv:1905.08614},
year = {2020}
}
备注
in Chinese