通过对抗攻击范围限定最小化感知图像质量损失
计算机视觉与模式识别
2019-04-24 v1
摘要
神经网络现正被积极用于机器人、人脸识别、自动驾驶等安全关键领域的计算机视觉任务，然而在对抗攻击被发现后，其安全性受到质疑。在本文中，我们基于范围限定思想开发了简化的对抗攻击算法，其能够执行最小化结构图像质量（SSIM）损失的快速对抗攻击，允许以低目标推理网络调用次数执行高效迁移攻击，并为在 MNIST 手写数字数据集上用仅笔绘制的纸面攻击提供了可能。所提出的对抗攻击分析与攻击范围限定思想可轻松扩展至不同数据集，从而使本文结果适用于广泛的实际任务。
引用
@article{arxiv.1904.10390,
title = {Minimizing Perceived Image Quality Loss Through Adversarial Attack Scoping},
author = {Kostiantyn Khabarlak and Larysa Koriashkina},
journal= {arXiv preprint arXiv:1904.10390},
year = {2019}
}