mFI-PSO：一种用于深度神经网络对抗图像生成的灵活有效方法
机器学习
2022-10-04 v3 机器学习
摘要
深度神经网络（DNNs）在图像分类中取得了巨大成功，但可能对图像微小扰动的对抗攻击非常脆弱。为改进针对 DNNs 的对抗图像生成，我们开发了一种称为 mFI-PSO 的新方法，其利用基于流形的一阶影响度量为易损图像和像素选择，并利用粒子群优化处理各种目标函数。因此，我们的 mFI-PSO 能够灵活设计具有可定制选项的对抗图像，这些选项包括扰动像素数量、误分类概率以及目标错误类别。实验证明了我们的 mFI-PSO 在对抗攻击中的灵活性和有效性，以及相对于一些流行方法的显著优势。
引用
@article{arxiv.2006.03243,
title = {mFI-PSO: A Flexible and Effective Method in Adversarial Image Generation for Deep Neural Networks},
author = {Hai Shu and Ronghua Shi and Qiran Jia and Hongtu Zhu and Ziqi Chen},
journal= {arXiv preprint arXiv:2006.03243},
year = {2022}
}
备注
Accepted by 2022 International Joint Conference on Neural Networks (IJCNN)