类别级攻击：针对无锚框目标检测的可迁移对抗样本
计算机视觉与模式识别
2020-06-24 v4 密码学与安全
机器学习
摘要
深度神经网络已被证明易受对抗攻击：细微扰动即可完全改变分类结果。其脆弱性引发了该方向研究的激增。然而，多数工作致力于攻击基于锚框的目标检测模型。本工作中，我们旨在基于两种方法提出一种高效且有效的算法来生成对抗样本以攻击无锚框目标模型。首先，我们对目标检测器进行类别级而非实例级攻击。其次，我们利用高层语义信息生成对抗样本。令人惊讶的是，所生成的对抗样本不仅能有效攻击目标无锚框目标检测器，还可迁移以攻击其他目标检测器，甚至基于锚框的检测器如 Faster R-CNN。
引用
@article{arxiv.2003.04367,
title = {Category-wise Attack: Transferable Adversarial Examples for Anchor Free Object Detection},
author = {Quanyu Liao and Xin Wang and Bin Kong and Siwei Lyu and Youbing Yin and Qi Song and Xi Wu},
journal= {arXiv preprint arXiv:2003.04367},
year = {2020}
}