基于统计对齐的特征空间定向攻击
计算机视觉与模式识别
2021-07-13 v2
摘要
通过对图像添加人眼难以察觉的扰动，深度神经网络（DNN）很容易被欺骗。作为主流方法之一，特征空间定向攻击通过调节中间特征图来扰动图像，从而最小化源特征与目标中间特征之间的差异。然而，当前采用逐像素欧氏距离度量该差异的做法值得质疑，因为它不合理地对源特征与目标特征施加了空间一致性约束。直观而言，无论猫位于图像左侧还是右侧，图像都可被分类为“猫”。为解决此问题，我们提出使用统计对齐来度量该差异。具体而言，我们设计了两种称为成对对齐攻击（Pair-wise Alignment Attack）与全局对齐攻击（Global-wise Alignment Attack）的新方法，试图通过具有平移不变性的高阶统计量来度量特征图之间的相似性。此外，我们系统分析了具有不同难度的逐层可迁移性，以获得高可靠性的攻击。大量实验验证了所提方法的有效性，其以显著优势优于当前最先进（state-of-the-art）算法。我们的代码已公开于 https://github.com/yaya-cheng/PAA-GAA。
引用
@article{arxiv.2105.11645,
title = {Feature Space Targeted Attacks by Statistic Alignment},
author = {Lianli Gao and Yaya Cheng and Qilong Zhang and Xing Xu and Jingkuan Song},
journal= {arXiv preprint arXiv:2105.11645},
year = {2021}
}