助攻与得分同等重要：以图像重塑辅助模型鲁棒预测
计算机视觉与模式识别
2023-11-06 v1 密码学与安全
摘要
对抗补丁在现实世界中威胁视觉 AI 模型。补丁攻击中补丁的数量是可变的，并决定了其在特定环境中的攻击效力。大多数现有防御假设场景中仅单个补丁，而多补丁场景已被证明可攻破它们。本文提出一种基于全变分图像重塑（TVR）的、与模型无关的对抗补丁防御方法。TVR 是一种图像处理以去除可能对抗区域的图像净化方法。TVR 可单独使用或与受防御模型结合，为鲁棒预测提供多级安全。TVR 在单次图像扫描中消除补丁影响，且对场景中补丁数量无先验假设。我们在 ImageNet-Patch 基准数据集与真实世界物理对象上验证 TVR，展示了其缓解补丁攻击的能力。
引用
@article{arxiv.2311.01563,
title = {Assist Is Just as Important as the Goal: Image Resurfacing to Aid Model's Robust Prediction},
author = {Abhijith Sharma and Phil Munz and Apurva Narayan},
journal= {arXiv preprint arXiv:2311.01563},
year = {2023}
}