MsMemoryGAN：用于掌纹对抗净化的多尺度记忆 GAN
计算机视觉与模式识别
2024-08-21 v1
摘要
深度神经网络最近在静脉识别任务中取得了有前景的性能，并显示出日益增长的应用趋势，但它们容易受到对抗扰动攻击——通过在输入中添加不可感知的扰动，导致识别错误。为解决这一问题，我们提出了一种新型防御模型 MsMemoryGAN，旨在在识别之前过滤对抗样本中的扰动。首先，我们设计了一个多尺度自编码器以实现高质量重建，以及两个记忆模块在不同尺度上学习正常样本的详细模式。其次，我们研究了记忆模块中的可学习度量，以检索最相关的记忆项来重构输入图像。最后，将感知损失与像素损失相结合，进一步提升重构图像的质量。在训练阶段，MsMemoryGAN 仅使用记忆中记录的更少的正常模式原型元素来学习重构输入。在测试阶段，给定一个对抗样本，MsMemoryGAN 从记忆中检索其最相关的正常模式进行重构。对抗样本中的扰动通常无法被良好重构，从而净化输入中的对抗扰动。我们在两个公开静脉数据集上针对不同对抗攻击方法进行了广泛实验以评估所提方法的性能。实验结果表明，我们的方法去除了多种对抗扰动，使静脉分类器达到了最高的识别准确率。
引用
@article{arxiv.2408.10694,
title = {MsMemoryGAN: A Multi-scale Memory GAN for Palm-vein Adversarial Purification},
author = {Huafeng Qin and Yuming Fu and Huiyan Zhang and Mounim A. El-Yacoubi and Xinbo Gao and Qun Song and Jun Wang},
journal= {arXiv preprint arXiv:2408.10694},
year = {2024}
}