NAPPure: 针对非加性扰动的鲁棒图像分类对抗净化方法
计算机视觉与模式识别
2025-10-17 v1
摘要
对抗净化方法在对抗图像扰动方面取得了巨大成功，这些扰动通常被认为是加性的。然而，模糊、遮挡和失真等非加性对抗扰动在现实世界中也很常见。在此类扰动下，现有的对抗净化方法效果较差，因为它们是为适应加性性质而设计的。在本文中，我们提出了一个扩展的对抗净化框架NAPPure，它可以进一步处理非加性扰动。具体来说，我们首先建立了对抗图像的生成过程，然后通过似然最大化来解耦潜在的干净图像和扰动参数。在GTSRB和CIFAR-10数据集上的实验表明，NAPPure显著提升了图像分类模型对非加性扰动的鲁棒性。
引用
@article{arxiv.2510.14025,
title = {NAPPure: Adversarial Purification for Robust Image Classification under Non-Additive Perturbations},
author = {Junjie Nan and Jianing Li and Wei Chen and Mingkun Zhang and Xueqi Cheng},
journal= {arXiv preprint arXiv:2510.14025},
year = {2025}
}