基于反向特征查询攻击：面向鲁棒图像检索
计算机视觉与模式识别
2020-10-21 v2
摘要
现有大多数关于对抗样本的工作集中于攻击图像识别模型，而很少关注图像检索任务。本文中，我们指出了将主流图像识别攻击方法应用于图像检索的两个固有挑战。首先，图像检索需要判别性视觉特征，这与图像识别中的独热类别预测显著不同。其次，由于图像检索中训练集与测试集之间类别不相交且可能无关，从预定义训练类别预测查询类别并不准确，并导致次优的对抗梯度。为应对这些局限，我们提出了一种新的白盒攻击方法——反向特征攻击（ODFA），以生成对抗查询。反向特征攻击（ODFA）有效利用了特征级对抗梯度，并利用了表示空间中的特征距离。据我们所知，我们是早期专门设计面向图像检索的攻击方法的尝试之一。当我们将被攻击图像作为查询时，真实匹配倾向于获得较低排名。我们通过大量实验证明：(1) 仅生成对抗查询就足以愚弄最先进的检索系统；(2) 所提攻击方法 ODFA 比分类攻击方法具有更高的攻击成功率，验证了利用图像检索特性的必要性；(3) 我们的方法生成的对抗查询在其他检索模型上具有良好可迁移性，而无需访问其参数，即黑盒设定。
引用
@article{arxiv.1809.02681,
title = {Query Attack via Opposite-Direction Feature:Towards Robust Image Retrieval},
author = {Zhedong Zheng and Liang Zheng and Yi Yang and Fei Wu},
journal= {arXiv preprint arXiv:1809.02681},
year = {2020}
}
备注
12 pages, 9 figures, 3 tables