FAWA：针对光学字符识别（OCR）系统的快速对抗水印攻击
计算机视觉与模式识别
2020-12-16 v1 密码学与安全
机器学习
摘要
深度神经网络（DNNs）显著提高了光学字符识别（OCR）的准确率，并启发了许多重要应用。不幸的是，OCR也继承了DNNs在对抗样本下的脆弱性。与彩色自然图像不同，文本图像通常具有清晰背景。大多数现有对抗攻击生成的对抗样本不自然且严重污染背景。为解决此问题，我们提出以白盒方式针对基于序列的OCR模型的快速对抗水印攻击（FAWA）。通过将扰动伪装为水印，可使生成的对抗图像在人眼中显得自然，并实现完美的攻击成功率。FAWA既可与基于梯度的也可与基于优化的扰动生成配合使用。在字母级和词级攻击中，我们的实验表明，除自然外观外，FAWA平均以少60%的扰动和少78%的迭代次数实现了100%的攻击成功率。此外，我们进一步扩展FAWA以支持全彩水印、其他语言甚至OCR精度增强机制。
引用
@article{arxiv.2012.08096,
title = {FAWA: Fast Adversarial Watermark Attack on Optical Character Recognition (OCR) Systems},
author = {Lu Chen and Jiao Sun and Wei Xu},
journal= {arXiv preprint arXiv:2012.08096},
year = {2020}
}
备注
16 pages, ECML/PKDD 2020 research trace