利用 Wavelet-VAE 提升无限制对抗样本的视觉质量
计算机视觉与模式识别
2021-08-26 v1 人工智能
机器学习
摘要
传统对抗样本通常是通过在输入图像中添加小矩阵范数内的扰动噪声来生成的。在实践中，无限制对抗攻击引起了极大关注，并对 AI 安全构成了新威胁。在本文中，我们提出了一种 wavelet-VAE 结构来重构输入图像，并通过修改隐空间代码来生成对抗样本。与基于扰动的攻击不同，该方法的修改不受限制但对人眼是不可感知的。实验表明，我们的方法能在 ImageNet 数据集上生成高质量的对抗样本。
引用
@article{arxiv.2108.11032,
title = {Improving Visual Quality of Unrestricted Adversarial Examples with Wavelet-VAE},
author = {Wenzhao Xiang and Chang Liu and Shibao Zheng},
journal= {arXiv preprint arXiv:2108.11032},
year = {2021}
}