基于小波变换的遥感数据后门攻击
计算机视觉与模式识别
2023-07-14 v2
摘要
近年来，深度学习算法在地球科学与遥感领域取得了巨大成功。然而，在处理安全关键的遥感任务时，深度学习模型的安全性和鲁棒性值得特别关注。本文对遥感数据的后门攻击进行了系统分析，同时考虑了场景分类与语义分割任务。现有大多数后门攻击算法依赖于带有精心设计图案的方形块等可见触发器，我们提出了一种新颖的基于小波变换的攻击（WABA）方法，该方法通过将触发器图像注入到中毒图像的低频域中来实现不可见攻击。通过这种方式，触发器图像中的高频信息在攻击过程中被滤除，从而实现隐蔽的数据投毒。尽管方法简单，所提方法能够以高攻击成功率显著欺骗当前最先进的深度学习模型。我们进一步分析了不同触发器图像以及小波变换中的超参数如何影响所提方法的性能。在四个基准遥感数据集上的大量实验证明了所提方法在场景分类和语义分割任务上的有效性，从而凸显了设计先进后门防御算法以应对遥感场景中此类威胁的重要性。代码将在 https://github.com/ndraeger/waba 在线发布。
引用
@article{arxiv.2211.08044,
title = {Backdoor Attacks for Remote Sensing Data with Wavelet Transform},
author = {Nikolaus Dräger and Yonghao Xu and Pedram Ghamisi},
journal= {arXiv preprint arXiv:2211.08044},
year = {2023}
}