面向语义分割的近端分裂对抗攻击
机器学习
2023-04-04 v2 计算机视觉与模式识别
摘要
分类一直是 adversarial attacks（对抗攻击）研究的焦点，但仅有少数工作探究适用于更密集预测任务（如语义分割）的方法。这些工作中提出的方法未能精确求解对抗分割问题，因而高估了欺骗模型所需扰动的大小。在此，我们提出一种基于近端分裂的白盒攻击，以产生具有更小 范数的对抗扰动。我们的攻击可通过增广拉格朗日方法，结合自适应约束缩放与掩码策略，在非凸最小化框架内处理大量约束。我们证明，我们的攻击显著优于先前提出的攻击，以及我们为分割任务改造的分类攻击，为该密集任务提供了首个综合基准。
引用
@article{arxiv.2206.07179,
title = {Proximal Splitting Adversarial Attacks for Semantic Segmentation},
author = {Jérôme Rony and Jean-Christophe Pesquet and Ismail Ben Ayed},
journal= {arXiv preprint arXiv:2206.07179},
year = {2023}
}
备注
CVPR 2023. Code available at: https://github.com/jeromerony/alma_prox_segmentation