基于空间色度偏移的不可感知对抗样本
计算机视觉与模式识别
2021-09-03 v2 人工智能
摘要
深度神经网络已被证明易受各类对抗扰动的攻击。除了被广泛研究的基于加性噪声的扰动外，也可以通过在对输入图像施加逐像素空间漂移来生成对抗样本。由于不存在加性噪声，基于空间变换的对抗样本在人类观察者看来更为自然，但它们仍然具有由空间变换引起的可见失真。由于人类视觉对亮度失真的敏感度高于对色度通道失真的敏感度，这也是有损视觉多媒体压缩标准背后的主要思想之一，我们提出了一种基于空间变换的扰动方法，仅通过修改输入图像的色彩分量来生成对抗样本。所提方法在 CIFAR-10 和 NIPS2017 Adversarial Learning Challenge 数据集上取得了具有竞争力的欺骗率，同时在各种感知质量指标上获得了更好的分数。人类视觉感知研究证实，这些样本看起来更自然，且常与其原始对应图像难以区分。
引用
@article{arxiv.2108.02502,
title = {Imperceptible Adversarial Examples by Spatial Chroma-Shift},
author = {Ayberk Aydin and Deniz Sen and Berat Tuna Karli and Oguz Hanoglu and Alptekin Temizel},
journal= {arXiv preprint arXiv:2108.02502},
year = {2021}
}
备注
10 pages, 5 figures. Accepted to International Workshop on Adversarial Learning for Multimedia, ACM Multimedia 2021