附加对抗帧实现通用视频攻击
计算机视觉与模式识别
2020-12-04 v1 机器学习
摘要
已有许多研究致力于通过对抗扰动攻击图像分类模型，但针对视频分类的同类课题尚未被充分研究。本文提出一种基于视频攻击的新思路：向视频片段追加若干虚拟帧（例如包含“thanks for watching”字样的文本），并仅在这些新帧上添加对抗扰动。我们的方法具有三大优势，即高成功率、低可感知性，以及跨不同网络的强迁移能力。这些优势主要源于将全部样本推向分类边界的通用虚拟帧。另一方面，由于大多数人不会注意到受扰动视频片段背后的异常，此类攻击易于隐藏。我们在两个流行数据集上使用六种最先进的视频分类模型进行实验，证明了我们的方法在通用视频攻击场景中的有效性。
引用
@article{arxiv.1912.04538,
title = {Appending Adversarial Frames for Universal Video Attack},
author = {Zhikai Chen and Lingxi Xie and Shanmin Pang and Yong He and Qi Tian},
journal= {arXiv preprint arXiv:1912.04538},
year = {2020}
}