基于空间变换的稀疏对抗视频攻击
计算机视觉与模式识别
2021-11-11 v1
摘要
近年来，大量研究工作集中于图像对抗攻击，而视频对抗攻击鲜有探索。我们提出一种称为 DeepSAVA 的视频对抗攻击策略。我们的模型通过统一优化框架同时包含加性扰动与空间变换，其中采用结构相似性指数（SSIM）度量来衡量对抗距离。我们设计了一种有效且新颖的优化方案，交替利用贝叶斯优化识别视频中影响最大的帧，以及基于随机梯度下降（SGD）的优化来生成加性与空间变换扰动。如此一来，DeepSAVA 能对视频执行极稀疏攻击以保持人类难以察觉，同时在攻击成功率与对抗可迁移性方面均达到最先进性能。我们在各类深度神经网络与视频数据集上的大量实验证实了 DeepSAVA 的优越性。
引用
@article{arxiv.2111.05468,
title = {Sparse Adversarial Video Attacks with Spatial Transformations},
author = {Ronghui Mu and Wenjie Ruan and Leandro Soriano Marcolino and Qiang Ni},
journal= {arXiv preprint arXiv:2111.05468},
year = {2021}
}
备注
The short version of this work will appear in the BMVC 2021 conference