深度图像破坏：深度图像到图像模型对抗攻击的脆弱性

近来，深度图像分类模型对对抗攻击的脆弱性已被研究。然而，对于以输入图像生成输出图像（例如上色、去噪、去模糊等）的图像到图像任务，此类问题尚未被透彻研究。本文对深度图像到图像模型对对抗攻击的脆弱性进行了全面研究。针对五项流行的图像到图像任务，从攻击导致的输出质量退化、对抗样本在不同任务间的可迁移性以及扰动特征等多种视角分析了 16 个深度模型。我们表明，与图像分类任务不同，图像到图像任务上的性能退化因攻击方法和任务目标等多种因素而存在很大差异。此外，我们分析了用于分类模型的常规防御方法在提升图像到图像模型鲁棒性方面的有效性。