利用对抗样本攻击泰国车牌识别系统的可行性研究
密码学与安全
2023-01-16 v1 计算机视觉与模式识别
机器学习
摘要
深度神经网络（DNNs）的最新进展显著增强了光学字符识别（OCR）技术的能力，使其得以广泛应用于各种实际场景。尽管取得了这一成功，基于 DNN 的 OCR 已被证明容易受到对抗攻击，攻击者可以通过精心操纵模型的输入来影响 DNN 模型的预测。先前的工作已经证明了对抗攻击对各种 OCR 语言的安全影响。然而，迄今为止，尚未有针对专门为泰语定制的 OCR 系统进行过研究和评估。为弥补这一空白，本工作提出了一项针对特定泰语 OCR 应用——泰国车牌识别（LPR）——执行对抗攻击的可行性研究。此外，我们提出了一种基于*半定向*场景的新型对抗攻击，并表明该场景在 LPR 应用中具有高度现实性。我们的实验结果表明了这些攻击的可行性，它们可以在普通台式计算机上执行，且攻击成功率超过 90%。
引用
@article{arxiv.2301.05506,
title = {On the feasibility of attacking Thai LPR systems with adversarial examples},
author = {Chissanupong Jiamsuchon and Jakapan Suaboot and Norrathep Rattanavipanon},
journal= {arXiv preprint arXiv:2301.05506},
year = {2023}
}