重新思考对抗样本在地标位置隐私保护中的应用
计算机视觉与模式识别
2022-06-29 v1
摘要
我们研究了对抗样本的一种新应用，即针对地标识别系统的位置隐私保护。我们引入了掩码引导的多模态投影梯度下降（MM-PGD），其中对抗样本在不同的深度模型上训练。通过分析区域属性以识别最适合融入对抗样本的区域来保护图像内容。我们研究了两种区域识别策略：基于类激活图的MM-PGD，其针对训练深度模型的内部行为；以及基于人类视觉的MM-PGD，其针对较少吸引人类注意力的区域。在Places365数据集上的实验表明，这些策略在防御黑盒地标识别系统时无需大量图像操控即具有潜在有效性。
引用
@article{arxiv.2206.14020,
title = {Rethinking Adversarial Examples for Location Privacy Protection},
author = {Trung-Nghia Le and Ta Gu and Huy H. Nguyen and Isao Echizen},
journal= {arXiv preprint arXiv:2206.14020},
year = {2022}
}