无尺度与任务无关的攻击：利用块拼贴生成器生成照片级逼真对抗图案
计算机视觉与模式识别
2024-10-17 v2 图像与视频处理
摘要
传统的 L_p 范数受限图像攻击算法在迁移至黑盒场景时迁移性差，且对防御算法鲁棒性弱。近期基于 CNN 生成器的攻击方法能够合成无约束且具语义意义的实体至图像中，已被证明具有迁移性与鲁棒性。然而，此类方法或通过合成局部对抗实体进行攻击（仅适用于攻击特定内容），或执行全局攻击（仅适用于特定图像尺度）。本文提出一种新颖的块拼贴生成对抗网络（PQ-GAN），以学习首个无尺度 CNN 生成器，可应用于任意尺度图像以攻击多种计算机视觉任务。关于所生成对抗样本的迁移性、对防御框架的鲁棒性以及视觉质量评估的主要研究表明，在攻击基于两个标准评估数据集（即 ImageNet 与 CityScapes）训练的神经网络时，所提出的基于 PQG 的攻击框架优于其他九种当前最优对抗攻击方法。
引用
@article{arxiv.2208.06222,
title = {Scale-free and Task-agnostic Attack: Generating Photo-realistic Adversarial Patterns with Patch Quilting Generator},
author = {Xiangbo Gao and Cheng Luo and Qinliang Lin and Weicheng Xie and Minmin Liu and Linlin Shen and Keerthy Kusumam and Siyang Song},
journal= {arXiv preprint arXiv:2208.06222},
year = {2024}
}