AVA：面向视觉识别的对抗性渐晕攻击
图像与视频处理
2021-05-13 v1 计算机视觉与模式识别
摘要
渐晕是几乎所有光学系统中固有的成像现象，表现为图像四角径向方向的强度变暗。由于它是摄影的常见效果且通常呈现为轻微强度变化，人们常将其视为照片的一部分，甚至不想进行后处理。凭借这一天然优势，本文从新视角研究渐晕，即对抗性渐晕攻击（AVA），旨在将蓄意误导信息嵌入渐晕中，生成无噪声图案的自然对抗样本。该样本可欺骗最先进的深度卷积神经网络（CNNs），但对人类不可感知。为此，我们首先基于渐晕的物理模型提出径向各向同性对抗渐晕攻击（RI-AVA），其中物理参数（如光照因子和焦距）通过目标 CNN 模型的引导进行调节。为实现跨不同 CNN 的更高迁移性，我们进一步提出径向各向异性对抗渐晕攻击（RA-AVA），允许渐晕的有效区域为径向各向异性和无定形。此外，我们提出几何感知水平集优化方法，联合求解对抗渐晕区域与物理参数。我们在三个流行数据集（即 DEV、CIFAR10 和 Tiny ImageNet）上通过攻击四种 CNN（如 ResNet50、EfficientNet-B0、DenseNet121 和 MobileNet-V2）验证了所提方法，展示了我们的方法在迁移性和图像质量上相对于基线方法的优势。
引用
@article{arxiv.2105.05558,
title = {AVA: Adversarial Vignetting Attack against Visual Recognition},
author = {Binyu Tian and Felix Juefei-Xu and Qing Guo and Xiaofei Xie and Xiaohong Li and Yang Liu},
journal= {arXiv preprint arXiv:2105.05558},
year = {2021}
}
备注
This work has been accepted to IJCAI2021