少数报告防御：抵御对抗补丁
机器学习
2020-04-30 v1 密码学与安全
计算机视觉与模式识别
机器学习
摘要
深度学习图像分类易受对抗攻击，即便攻击者仅改动图像的一小块补丁。我们提出一种针对补丁攻击的防御方法，基于在每个候选补丁位置周围部分遮挡图像，使得若干遮挡各自完全隐藏该补丁。我们在 CIFAR-10、Fashion MNIST 与 MNIST 上证明，我们的防御针对特定大小的补丁攻击提供了可证明的安全性。
引用
@article{arxiv.2004.13799,
title = {Minority Reports Defense: Defending Against Adversarial Patches},
author = {Michael McCoyd and Won Park and Steven Chen and Neil Shah and Ryan Roggenkemper and Minjune Hwang and Jason Xinyu Liu and David Wagner},
journal= {arXiv preprint arXiv:2004.13799},
year = {2020}
}
备注
9 pages, 5 figures