利用基函数变换防御对抗图像攻击
机器学习
2018-04-18 v3 机器学习
摘要
我们研究了基于图像基函数表示的变换来防御深度网络对抗攻击的多种方法的有效性。具体而言，我们实验了低通滤波、PCA、JPEG 压缩、低分辨率小波近似和软阈值化。我们在黑盒、灰盒和白盒设置下使用三类流行攻击评估这些防御技术。我们的结果表明，除在特定情况下表现良好的软阈值化（其对良性样本准确率的下降更温和）外，JPEG 压缩在多数考虑的设置中倾向于优于其他被测防御。此外，我们还从数学上推导了一种新颖的白盒攻击，其中对抗扰动仅由对应于预先确定的基函数子集的项组成，而“低频攻击”是其特例。
引用
@article{arxiv.1803.10840,
title = {Defending against Adversarial Images using Basis Functions Transformations},
author = {Uri Shaham and James Garritano and Yutaro Yamada and Ethan Weinberger and Alex Cloninger and Xiuyuan Cheng and Kelly Stanton and Yuval Kluger},
journal= {arXiv preprint arXiv:1803.10840},
year = {2018}
}
备注
added link to GitHub repository