PAT：用于检测对抗性视频的伪对抗训练
计算机视觉与模式识别
2021-09-14 v1
摘要
大量研究表明深度神经网络（DNNs）易受对抗攻击。尽管针对图像分类网络已提出多种防御机制，但在监控等安全敏感应用中使用的基于视频的模型上，现有方法较少。本文提出一种新颖而简单的算法，称为伪对抗训练（PAT），可在无需知晓攻击的情况下检测视频中的对抗帧。我们的方法生成“过渡帧”，捕捉相对于原始帧的关键偏离并剔除对检测任务不重要的成分。为避免必须知晓攻击模型，我们产生“伪扰动”来训练检测网络。随后利用检测到的帧实现对抗检测。在UCF-101和20BN-Jester数据集上的实验结果表明，PAT能以高检测率检测对抗视频帧和视频。我们还通过大量实验揭示了过渡帧与伪扰动生效的潜在原因。
引用
@article{arxiv.2109.05695,
title = {PAT: Pseudo-Adversarial Training For Detecting Adversarial Videos},
author = {Nupur Thakur and Baoxin Li},
journal= {arXiv preprint arXiv:2109.05695},
year = {2021}
}
备注
7 pages,5 figures