MultAV：乘性对抗视频
机器学习
2021-10-12 v2 计算机视觉与模式识别
机器学习
摘要
大多数对抗机器学习研究聚焦于加性攻击，即将对抗扰动添加到输入数据中。另一方面，与图像识别问题不同，视频领域仅探索了少数几种攻击方法。在本文中，我们提出了一种针对视频识别模型的攻击新方法——乘性对抗视频（Multiplicative Adversarial Videos, MultAV），该方法通过乘法对视频数据施加扰动。MultAV 具有不同于加性对应方案的噪声分布，从而对为抵御加性对抗攻击而量身定制的防御方法构成了挑战。此外，它不仅可以通过一种称为比率界的新型对抗约束推广至 Lp 范数攻击，还能推广至不同类型的物理可实现攻击。实验结果表明，针对加性攻击进行对抗训练的模型对 MultAV 的鲁棒性较差。
引用
@article{arxiv.2009.08058,
title = {MultAV: Multiplicative Adversarial Videos},
author = {Shao-Yuan Lo and Vishal M. Patel},
journal= {arXiv preprint arXiv:2009.08058},
year = {2021}
}
备注
Accepted at IEEE International Conference on Advanced Video and Signal-based Surveillance (AVSS) 2021