Sardino：面向移动边缘安全视觉感知的超快动态集成方法
计算机视觉与模式识别
2022-11-01 v4
摘要
对抗样本攻击危及采用深度神经网络进行视觉感知的移动边缘系统，如车辆与无人机。本文提出 {\em Sardino}，一种主动动态防御方法，在运行时更新推理集成以增强针对自适应对手的安全性，该对手试图窃取集成并构造相应有效的对抗样本。通过对集成预测施加一致性检查与数据融合，Sardino 能够检测并阻止对抗输入。相较于基于训练的集成更新，我们使用 HyperNet 实现 {\em 百万倍}加速及逐帧集成更新，对前置窃取攻击前提条件提出最高难度。我们设计运行时规划器，在维持处理帧率的同时最大化利于安全的集成规模。除对抗样本外，Sardino 亦能有效处理分布外输入问题。本文对 Sardino 抵御对抗样本的性能进行了广泛评估，并将其应用于构建实时车载交通标志识别系统。道路实测表明，所构建系统因前置基于 YOLO 的交通标志检测器的误报而能有效维持帧率并检测分布外输入。
引用
@article{arxiv.2204.08189,
title = {Sardino: Ultra-Fast Dynamic Ensemble for Secure Visual Sensing at Mobile Edge},
author = {Qun Song and Zhenyu Yan and Wenjie Luo and Rui Tan},
journal= {arXiv preprint arXiv:2204.08189},
year = {2022}
}