对抗图像的攻击类型无关感知增强
计算机视觉与模式识别
2019-05-13 v3
摘要
对抗图像是故意被修改以欺骗机器学习系统的样本。它们被广泛用于CAPTHA等应用中，以帮助区分合法人类用户与机器人。然而，对抗图像生成过程中引入的噪声降低了感知质量并带来人工色彩，也使人类难以对图像进行分类和识别物体。在本文中，我们提出了一种增强这些对抗图像感知质量的方法。所提方法与攻击类型无关，并可与文献中已有的攻击结合使用。我们的实验表明，生成的对抗图像在保持相同对抗攻击性能的同时具有更低的欧氏距离值。在不同攻击和网络类型下，距离减少了5.88%至41.27%，平均减少22%。
引用
@article{arxiv.1903.03029,
title = {Attack Type Agnostic Perceptual Enhancement of Adversarial Images},
author = {Bilgin Aksoy and Alptekin Temizel},
journal= {arXiv preprint arXiv:1903.03029},
year = {2019}
}