LG-GAN：用于基于点云深度网络灵活定向攻击的标签引导对抗网络
计算机视觉与模式识别
2020-11-03 v1 密码学与安全
摘要
深度神经网络在 3D 点云识别方面取得了巨大进展。近期工作表明，这些 3D 识别网络同样易受各种攻击方法生成的对抗样本所害，包括基于优化的 3D Carlini-Wagner 攻击、基于梯度的迭代快速梯度方法和基于骨架分离的丢点法。然而，经仔细分析，这些方法或因优化/迭代机制而极其缓慢，或无法灵活支持针对特定类别的定向攻击。为克服这些缺陷，本文提出一种新颖的标签引导对抗网络（LG-GAN），用于实时灵活的定向点云攻击。据我们所知，这是首个基于生成的 3D 点云攻击方法。通过将原始点云和目标攻击标签输入 LG-GAN，它可学习如何使点云变形，从而仅经单次前向传播即将识别网络误导至指定标签。具体而言，LG-GAN 首先利用一个多分支对抗网络提取输入点云的层次化特征，随后使用标签编码器将指定标签信息融入多个中间特征。最后，编码后的特征被送入坐标重建解码器以生成目标对抗样本。通过对不同点云识别模型（如 PointNet、PointNet++ 和 DGCNN）的评估，我们证明了所提 LG-GAN 能够实时支持灵活的定向攻击，同时保证良好的攻击性能与更高的效率。
引用
@article{arxiv.2011.00566,
title = {LG-GAN: Label Guided Adversarial Network for Flexible Targeted Attack of Point Cloud-based Deep Networks},
author = {Hang Zhou and Dongdong Chen and Jing Liao and Weiming Zhang and Kejiang Chen and Xiaoyi Dong and Kunlin Liu and Gang Hua and Nenghai Yu},
journal= {arXiv preprint arXiv:2011.00566},
year = {2020}
}
备注
CVPR 2020, code available at: https://github.com/RyanHangZhou/LG-GAN