Object Hider：面向目标检测器的对抗补丁攻击
计算机视觉与模式识别
2020-10-29 v1
摘要
深度神经网络已广泛应用于众多计算机视觉任务。然而，已有研究证明它们易受添加于输入上的微小、难以察觉的扰动所影响。带有精心设计的、可欺骗深度学习模型的扰动之输入被称为对抗样本，并引发了人们对深度神经网络安全性的极大关切。目标检测算法旨在定位并分类图像或视频中的物体，是许多计算机视觉任务的核心，具有重要的研究价值与广泛的应用。本文聚焦于针对若干最先进目标检测模型的对抗攻击。作为一种实用替代方案，我们采用对抗补丁实施攻击。我们提出了两种对抗补丁生成算法：基于热力图的算法与基于共识的算法。实验结果表明，所提方法具有高效性、可迁移性与通用性。此外，我们将所提方法应用于由阿里巴巴在天池平台上组织的“目标检测对抗挑战赛”，并在 1701 支队伍中跻身前 7。代码见：https://github.com/FenHua/DetDak
引用
@article{arxiv.2010.14974,
title = {Object Hider: Adversarial Patch Attack Against Object Detectors},
author = {Yusheng Zhao and Huanqian Yan and Xingxing Wei},
journal= {arXiv preprint arXiv:2010.14974},
year = {2020}
}