基于深度哈希检索的对抗鲁棒性的可靠高效评估
计算机视觉与模式识别
2023-03-23 v1 人工智能
密码学与安全
机器学习
多媒体
摘要
深度哈希因其高效与有效而被广泛应用于海量图像检索。近来，若干对抗攻击被提出以揭示深度哈希模型面对对抗样本的脆弱性。然而，现有攻击方法由于未充分利用原始样本间的语义关系，或耗费大量时间通过深度神经网络学习这些关系，而存在性能下降或效率低下的问题。在本文中，我们提出一种新颖的灯塔引导攻击（Pharos-guided Attack, PgA），以可靠且高效地评估深度哈希网络的对抗鲁棒性。具体而言，我们设计灯塔码（pharos code）来表示良性图像的语义，其保持与语义相关样本的相似性及与无关样本的不相似性。我们证明了可通过简单数学公式快速计算灯塔码。据此，PgA可通过最大化对抗样本哈希码与灯塔码之间的相似性，直接对基于深度哈希的检索发起可靠且高效的攻击。在基准数据集上的大量实验验证了所提算法在攻击强度与速度上均优于先前的SOTA方法。
引用
@article{arxiv.2303.12658,
title = {Reliable and Efficient Evaluation of Adversarial Robustness for Deep Hashing-Based Retrieval},
author = {Xunguang Wang and Jiawang Bai and Xinyue Xu and Xiaomeng Li},
journal= {arXiv preprint arXiv:2303.12658},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2204.10779