MeshAdv：用于视觉识别的对抗网格
密码学与安全
2019-07-02 v2 计算机视觉与模式识别
机器学习
机器学习
摘要
深度神经网络（DNNs）等极具表达力的模型已广泛应用于各种应用。然而，近期研究表明 DNNs 易受对抗样本的攻击，这些样本是精心构造的、旨在误导预测的输入。目前，此类研究大多集中于添加到图像像素上的扰动，而这种操纵在物理上并不真实。一些工作试图通过将可打印的 2D 补丁或绘制图案附着到表面来克服此限制，但由于 3D 形状特征完好无损，仍可能被防御。在本文中，我们提出 meshAdv，从具有丰富形状特征但最小纹理变化的物体生成“对抗 3D 网格”。为操纵物体的形状或纹理，我们利用可微渲染器计算形状上的准确着色并传播梯度。大量实验表明，生成的 3D 网格在攻击分类器和目标检测器方面均有效。我们在不同视角下评估了该攻击。此外，我们设计了一个流程，对具有未知渲染参数的真实感渲染器执行黑盒攻击。
引用
@article{arxiv.1810.05206,
title = {MeshAdv: Adversarial Meshes for Visual Recognition},
author = {Chaowei Xiao and Dawei Yang and Bo Li and Jia Deng and Mingyan Liu},
journal= {arXiv preprint arXiv:1810.05206},
year = {2019}
}
备注
Published in IEEE CVPR2019