用于深度哈希定向攻击的原型监督对抗网络
计算机视觉与模式识别
2021-05-18 v1 多媒体
摘要
由于其强大的表示学习能力与高效计算，深度哈希在大规模图像检索中取得了显著进展。然而，深度哈希网络易受对抗样本攻击，这是一个实际安全问题，但在基于哈希的检索领域鲜有研究。本文提出一种新颖的原型监督对抗网络（ProS-GAN），其构建了一种灵活的生成架构以实现高效且有效的定向哈希攻击。据我们所知，这是首个基于生成的深度哈希网络攻击方法。总体上，我们提出的框架由三部分组成，即 PrototypeNet、生成器与判别器。具体而言，所设计的 PrototypeNet 将目标标签嵌入语义表示，并学习原型码作为目标标签的类别级代表。此外，语义表示与原始图像联合输入生成器以实现灵活的定向攻击。特别地，采用原型码监督生成器，通过最小化对抗样本的哈希码与原型码之间的汉明距离来构造定向对抗样本。进而，生成器与判别器对抗，以同时使对抗样本视觉逼真且语义表示具信息性。大量实验验证所提框架能高效生成对抗样本，相较最先进的深度哈希定向攻击方法具有更优的定向攻击性能与可迁移性。相关代码见 https://github.com/xunguangwang/ProS-GAN 。
引用
@article{arxiv.2105.07553,
title = {Prototype-supervised Adversarial Network for Targeted Attack of Deep Hashing},
author = {Xunguang Wang and Zheng Zhang and Baoyuan Wu and Fumin Shen and Guangming Lu},
journal= {arXiv preprint arXiv:2105.07553},
year = {2021}
}
备注
This paper has been accepted by CVPR 2021, and the related codes could be available at https://github.com/xunguangwang/ProS-GAN