NetFlick：针对基于深度学习的视频压缩的对抗性闪烁攻击
图像与视频处理
2023-04-05 v1 密码学与安全
计算机视觉与模式识别
摘要
视频压缩在物联网设备中发挥着重要作用，可在满足所有底层带宽约束的同时高效传输视觉数据。基于深度学习的视频压缩方法正迅速取代传统算法，并在边缘设备上提供最先进的结果。然而，近期开发的对抗性攻击表明，数字精心构造的扰动可破坏视频压缩的率失真关系。在本工作中，我们提出一种针对视频压缩框架的真实世界 LED 攻击。我们这种可物理实现的攻击称为 NetFlick，可通过注入闪烁时间扰动来削弱连续帧间的时空相关性。此外，我们提出通用扰动，可在无需预先知道视频内容的情况下降低 incoming 视频的性能。实验结果表明，NetFlick 能在数字与物理设置下成功恶化视频压缩框架的性能，并可进一步扩展以攻击下游视频分类网络。
引用
@article{arxiv.2304.01441,
title = {NetFlick: Adversarial Flickering Attacks on Deep Learning Based Video Compression},
author = {Jung-Woo Chang and Nojan Sheybani and Shehzeen Samarah Hussain and Mojan Javaheripi and Seira Hidano and Farinaz Koushanfar},
journal= {arXiv preprint arXiv:2304.01441},
year = {2023}
}
备注
8 pages; Accepted to ICLR 2023 ML4IoT workshop