OTI：一种无模型且视觉可解释的图像可攻击性度量
计算机视觉与模式识别
2026-04-28 v1 机器学习
摘要
尽管神经网络取得了巨大成功，良性图像仍可能被对抗扰动破坏以欺骗这些模型。有趣的是，图像的可攻击性各不相同。具体而言，给定一个攻击配置，一些图像很容易被破坏，而另一些则更具抵抗力。评估图像可攻击性在主动学习、对抗训练和攻击增强中具有重要应用。这促使了人们对开发可攻击性度量日益增长的兴趣。然而，现有方法很少，且存在两个主要局限性： 它们依赖模型代理来提供先验知识（例如梯度或最小扰动）以提取依赖模型的图像特征。不幸的是，在实践中，许多特定任务的模型并不容易获取。 表征图像可攻击性的提取特征缺乏视觉可解释性，掩盖了它们与图像的直接关系。为了解决这些问题，我们提出了一种新颖的物体纹理强度（OTI），这是一种无模型且视觉可解释的图像可攻击性度量，它将图像可攻击性度量为图像语义对象的纹理强度。在理论上，我们从决策边界以及对抗扰动的中频和高频特性的角度描述了 OTI 的原理。综合实验表明，OTI 是有效的且计算效率高。此外，我们的 OTI 为对抗机器学习社区提供了对可攻击性的视觉理解。
引用
@article{arxiv.2601.17536,
title = {OTI: A Model-free and Visually Interpretable Measure of Image Attackability},
author = {Jiaming Liang and Haowei Liu and Chi-Man Pun},
journal= {arXiv preprint arXiv:2601.17536},
year = {2026}
}