利用神经网络生成带限对抗曲面
计算机视觉与模式识别
2021-12-08 v1 密码学与安全
机器学习
摘要
生成对抗样本是一门为分类神经网络的输入信号添加噪声从而改变网络分类结果、同时使噪声尽可能微弱的艺术。尽管该课题在二维领域已有充分研究，但在三维领域仍相对滞后，即攻击处理三维点云或网格并例如对人体三维扫描姿态进行分类的分类网络。目前，绝大多数描述该领域对抗攻击的论文都采用优化方法。在本技术报告中，我们提出一个生成攻击的神经网络。该网络利用了 PointNet 的架构并做了一些改动。我们所基于的先前文章必须对每个形状分别优化，即为每个单独输入从零定制攻击而不进行任何学习，而我们试图创建一个统一模型，能够通过单次前向运行推导出所需的对抗样本。
引用
@article{arxiv.2111.07424,
title = {Generating Band-Limited Adversarial Surfaces Using Neural Networks},
author = {Roee Ben-Shlomo and Yevgeniy Men and Ido Imanuel},
journal= {arXiv preprint arXiv:2111.07424},
year = {2021}
}