针对遥感显著性目标检测中对抗云攻击的防御
计算机视觉与模式识别
2023-07-06 v2
摘要
遥感图像中显著性目标的检测在交叉学科研究中具有广泛应用。许多现有深度学习方法已被提出用于遥感图像中的显著性目标检测(SOD)并取得显著效果。然而,近期通过在原始遥感图像上改动少量像素值生成的对抗攻击样本,会导致训练良好的基于深度学习的SOD模型崩溃。与现有方法向原图添加扰动不同,我们提出联合调节对抗曝光与加性扰动进行攻击,并将图像约束为接近有云图像,称为对抗云。云在遥感图像中自然且常见,但基于云的对抗攻击伪装及遥感图像防御此前未被充分研究。进一步,我们设计DefenseNet作为对抗有云图像的可学习预处理,以在不调整已部署深度SOD模型的前提下保持其性能。通过同时考虑常规与广义对抗样本,所提DefenseNet可在白盒设定下防御所提对抗云,并在黑盒设定下防御其他攻击方法。在公开遥感SOD数据集(EORSSD)合成基准上的实验结果显示了针对对抗云攻击的良好防御效果。
引用
@article{arxiv.2306.17431,
title = {Defense against Adversarial Cloud Attack on Remote Sensing Salient Object Detection},
author = {Huiming Sun and Lan Fu and Jinlong Li and Qing Guo and Zibo Meng and Tianyun Zhang and Yuewei Lin and Hongkai Yu},
journal= {arXiv preprint arXiv:2306.17431},
year = {2023}
}