DISCO：基于局部隐式函数的对抗防御
计算机视觉与模式识别
2022-12-13 v1
摘要
本文考虑图像分类的对抗防御问题，其目标是使分类器对对抗样本具有鲁棒性。受对抗样本位于自然图像流形之外的假设启发，我们提出了一种基于局部隐式函数的新颖对抗防御方法 aDversarIal defenSe with local impliCit functiOns (DISCO)，通过局部流形投影来去除对抗扰动。DISCO 接收一张对抗图像和一个查询像素位置，并输出该位置处的干净 RGB 值。它由一个编码器和一个局部隐式模块实现，前者产生逐像素深度特征，后者利用查询像素邻域内的特征来预测干净的 RGB 值。大量实验表明，无论攻击者是否知晓防御方法，DISCO 及其级联版本均优于先前的防御方法。DISCO 还被证明具有数据与参数高效性，并且能够迁移到不同数据集、分类器和攻击上的防御。
引用
@article{arxiv.2212.05630,
title = {DISCO: Adversarial Defense with Local Implicit Functions},
author = {Chih-Hui Ho and Nuno Vasconcelos},
journal= {arXiv preprint arXiv:2212.05630},
year = {2022}
}
备注
Accepted to Neurips 2022