通过决策空间缩减的压缩作为对抗放大器
计算机视觉与模式识别
2026-04-09 v1
摘要
图像压缩是现代视觉流水线中无处不在的组成部分，社交媒体平台和资源受限系统通常在推理之前对其应用。尽管其应用广泛，但压缩对对抗鲁棒性的影响仍了解甚少。我们研究了一种此前未被探索的对抗设置，即攻击直接应用于压缩表示，并表明压缩可以作为深度图像分类器的对抗放大器。在相同的标称扰动预算下，压缩感知攻击比其像素空间对应方法显著更有效。我们将此效应归因于决策空间缩减，即压缩诱导了一种不可逆的、丢失信息的变换，该变换收缩了分类间隔并增加了对扰动的敏感性。在标准基准和架构上的广泛实验支持了我们的分析，并揭示了压缩-in-the-loop部署设置中的一个关键漏洞。代码将公开发布。
引用
@article{arxiv.2604.06954,
title = {Compression as an Adversarial Amplifier Through Decision Space Reduction},
author = {Lewis Evans and Harkrishan Jandu and Zihan Ye and Yang Lu and Shreyank N Gowda},
journal= {arXiv preprint arXiv:2604.06954},
year = {2026}
}