迭代窗口均值滤波：抵御基于扩散的对抗性净化
密码学与安全
2024-10-30 v3
摘要
人脸认证系统虽带来了显著便利和技术进步，但因其对隐蔽扰动（如对抗性攻击）的敏感性，已变得不可靠。现有防御措施在面对各种攻击算法和自适应攻击时存在弱点，或为增强安全性而牺牲准确性。为此，我们开发了一种新型且高度有效的非深度学习图像滤波器，称为迭代窗口均值滤波（Iterative Window Mean Filter，IWMF），并提出了新的对抗净化框架，命名为 IWMF-Diff，将 IWMF 与去噪扩散模型集成。这些方法可作为预处理模块消除对抗性扰动，无需进一步修改或重新训练目标系统。我们展示了所提方法满足四项关键要求：保持准确性、提高安全性、适用于不同环境中的各种威胁，以及对自适应攻击具有更强鲁棒性。该性能超越了最先进的对抗净化方法 DiffPure。
引用
@article{arxiv.2408.10673,
title = {Iterative Window Mean Filter: Thwarting Diffusion-based Adversarial Purification},
author = {Hanrui Wang and Ruoxi Sun and Cunjian Chen and Minhui Xue and Lay-Ki Soon and Shuo Wang and Zhe Jin},
journal= {arXiv preprint arXiv:2408.10673},
year = {2024}
}
备注
Accepted in IEEE Transactions on Dependable and Secure Computing