利用平铺与缩放增强面向人脸检测器的远程对抗补丁攻击
计算机视觉与模式识别
2024-12-12 v1 密码学与安全
机器学习
摘要
本文讨论了面向人脸检测器的远程对抗补丁（RAP）攻击的可行性。面向人脸检测器的RAP与面向通用目标检测器的RAP类似，但前者在攻击过程中存在后者所没有的多个问题。（1）可以检测各种尺度的物体。特别是，在CNN特征提取过程中被卷积的小物体的面积很小，因此影响推理结果的面积也很小。（2）它是二分类，因此类别之间存在较大的特征差异。这使得通过将推理结果导向不同类别来攻击推理结果变得困难。在本文中，我们针对每个问题提出了一种新的补丁放置方法和损失函数。针对所提出的人脸检测器的补丁在检测阻碍效果方面优于针对通用目标检测器的补丁。
引用
@article{arxiv.2412.07996,
title = {Enhancing Remote Adversarial Patch Attacks on Face Detectors with Tiling and Scaling},
author = {Masora Okano and Koichi Ito and Masakatsu Nishigaki and Tetsushi Ohki},
journal= {arXiv preprint arXiv:2412.07996},
year = {2024}
}
备注
Accepted and Presented at APSIPA ASC 2024