保持感知质量的针对深度学习图像分类器的黑盒攻击
计算机视觉与模式识别
2020-09-24 v3
摘要
深度神经网络利用大量可用训练数据，在所有图像分类问题中提供了前所未有的性能。然而，近期研究显示了它们对对抗攻击的脆弱性，催生了该领域密集的研究努力。为构建更好的系统，每天都有新的对抗措施和更强的攻击被提出。在攻击者一侧，对现实黑盒场景的兴趣日益增长，其中用户无法访问神经网络参数。问题在于设计高效攻击，以误导神经网络而不损害图像质量。本工作中，我们提议沿低失真路径执行黑盒攻击，以改善攻击效率及对抗图像的感知质量。在真实世界系统上的数值实验证明了所提方法在基准分类任务以及生物特征与取证关键应用中的有效性。
引用
@article{arxiv.1902.07776,
title = {Perceptual Quality-preserving Black-Box Attack against Deep Learning Image Classifiers},
author = {Diego Gragnaniello and Francesco Marra and Giovanni Poggi and Luisa Verdoliva},
journal= {arXiv preprint arXiv:1902.07776},
year = {2020}
}
备注
8 pages, journal