防御黑盒基于骨架的人体活动分类器
计算机视觉与模式识别
2022-12-06 v6
摘要
骨架运动已被大量依赖于人体活动识别（HAR）。最近，跨多种分类器与数据的基于骨架的HAR的普遍脆弱性被揭示，亟需缓解。为此，我们提出了据我们所知首个针对基于骨架的HAR的黑盒防御方法。我们的方法的特点是对干净数据、对抗样本与分类器进行全贝叶斯处理，从而导出（1）鲁棒判别分类器的新贝叶斯能量基表述，（2）基于自然运动流形的新对抗采样方案，以及（3）用于黑盒防御的新训练后贝叶斯策略。我们将此框架命名为贝叶斯能量基对抗训练（BEAT）。BEAT简洁而优雅，在不牺牲准确率的情况下将脆弱的黑盒分类器转化为鲁棒分类器。它在多种攻击下，跨广泛的骨架HAR分类器与数据集展现出令人惊讶且普适的有效性。代码见 https://github.com/realcrane/RobustActionRecogniser。
引用
@article{arxiv.2203.04713,
title = {Defending Black-box Skeleton-based Human Activity Classifiers},
author = {He Wang and Yunfeng Diao and Zichang Tan and Guodong Guo},
journal= {arXiv preprint arXiv:2203.04713},
year = {2022}
}
备注
Accepted in AAAI 2023