GLOW：针对目标检测的全局布局感知攻击
计算机视觉与模式识别
2023-03-09 v2
摘要
对抗攻击旨在扰动图像，使得预测器输出错误结果。由于结构化攻击研究有限，对自然多目标场景施加一致性检查是抵御传统对抗攻击的一种有前景且实用的防御手段。为此，更理想的攻击应当能够欺骗具有此类一致性检查的防御。因此，我们提出了首个方法 GLOW，通过生成全局布局感知的对抗攻击来应对各种攻击请求，其中显式地建立了类别和几何布局约束。具体而言，我们聚焦于目标检测任务，给定一张受害图像，GLOW 首先根据目标标签定位受害对象。然后，它生成多个攻击计划及其上下文一致性得分。我们提出的 GLOW 一方面能够处理各种类型的请求，包括单个或多个受害对象，以及指定或不指定受害对象的情况。另一方面，它为每个攻击计划生成一致性得分，反映了综合考虑语义类别和全局场景布局的整体上下文一致性。在实验中，我们设计了多种类型的攻击请求，并在 MS COCO 和 Pascal 上验证了我们的想法。大量实验结果表明，在传统的单目标攻击请求中，与 SOTA 方法相比，我们可以实现约 30 的平均相对提升；此外，在更通用的攻击请求上，我们的方法平均优于 SOTA 约 20；最后，在具有挑战性的零查询黑盒设置下，我们的方法也表现出卓越的性能，比 SOTA 提高了 20。我们的代码、模型和攻击请求将予以公开。
引用
@article{arxiv.2302.14166,
title = {GLOW: Global Layout Aware Attacks on Object Detection},
author = {Buyu Liu and BaoJun and Jianping Fan and Xi Peng and Kui Ren and Jun Yu},
journal= {arXiv preprint arXiv:2302.14166},
year = {2023}
}
备注
ICCV