散射模型引导的合成孔径雷达目标识别对抗样本：攻击与防御
计算机视觉与模式识别
2022-12-07 v1
摘要
基于深度神经网络（DNNs）的合成孔径雷达（SAR）自动目标识别（ATR）系统已被证明对故意设计却几乎不可察觉、但添加到目标物体上即可使 DNN 推理产生偏差的对抗扰动高度脆弱。这导致在将 DNNs 应用于高风险 SAR ATR 应用时产生严重的安全隐患。因此，增强 DNNs 的对抗鲁棒性对于在现代真实世界 SAR ATR 系统中部署 DNNs 至关重要。为构建更鲁棒的基于 DNN 的 SAR ATR 模型，本文探索 SAR 成像过程的领域知识，提出一种新颖的散射模型引导对抗攻击（SMGAA）算法，该算法能以电磁散射响应（称为对抗散射体）的形式生成对抗扰动。所提 SMGAA 由两部分组成：1）参数化散射模型及相应成像方法；2）定制的基于梯度的优化算法。首先，我们引入有效的属性散射中心模型（ASCM）和通用成像方法来描述 SAR 成像过程中典型几何结构的散射行为。通过进一步设计若干策略以考虑 SAR 目标图像的领域知识并放宽贪心搜索过程，所提方法无需精细调参，即可高效找到有效的 ASCM 参数以欺骗 SAR 分类器并促进鲁棒模型训练。在 MSTAR 数据集上的综合评估表明，SMGAA 生成的对抗散射体比当前研究的攻击对 SAR 处理链中的扰动和变换更具鲁棒性，并且能有效构建抵御恶意散射体的防御模型。
引用
@article{arxiv.2209.04779,
title = {Scattering Model Guided Adversarial Examples for SAR Target Recognition: Attack and Defense},
author = {Bowen Peng and Bo Peng and Jie Zhou and Jianyue Xie and Li Liu},
journal= {arXiv preprint arXiv:2209.04779},
year = {2022}
}