基于局部视觉对抗扰动的可逆攻击
计算机视觉与模式识别
2023-01-03 v3
摘要
向图像中添加扰动可误导分类模型产生错误结果。近来，研究者利用对抗扰动来保护图像隐私，防止被智能模型检索。然而，向图像中添加对抗扰动破坏了原始数据，使图像在数字取证等领域无用。为防止对人脸等敏感图像数据的非法或未经授权访问，同时不妨碍合法用户，可逆对抗攻击技术的使用日益增多。原始图像可从其可逆对抗样本恢复。但现有可逆对抗攻击方法针对传统不可感知对抗扰动设计，忽略了局部可见对抗扰动。本文提出一种基于局部可见对抗扰动生成可逆对抗样本的新方法。图像恢复所需信息通过可逆数据隐藏技术嵌入到对抗块之外的区域。为减少图像失真，采用了无损压缩和 B-R-G（蓝-红-绿）嵌入原则。在 CIFAR-10 和 ImageNet 数据集上的实验表明，所提方法能在保证良好攻击性能的同时无误地恢复原始图像。
引用
@article{arxiv.2110.02700,
title = {Reversible Attack based on Local Visual Adversarial Perturbation},
author = {Li Chen and Shaowei Zhu and Zhaoxia Yin},
journal= {arXiv preprint arXiv:2110.02700},
year = {2023}
}