以补丁压制：重访针对目标检测的通用的对抗补丁攻击
计算机视觉与模式识别
2022-12-23 v2
摘要
基于对抗补丁的攻击旨在用刻意生成的噪声欺骗神经网络，该噪声集中于输入图像的特定区域。本工作中，我们对不同补丁生成参数进行了深入分析，包括初始化、补丁大小，尤其是训练中将补丁置于图像中的位置。我们聚焦于目标消失攻击，以 YOLOv3 为白盒设定下的受攻击模型，并使用来自 COCO 数据集的图像进行实验。我们的实验表明，与固定位置相比，训练期间在尺寸递增的窗口内插入补丁可显著提升攻击强度。当训练期间补丁随机放置且补丁位置在批次内额外变化时，获得了最佳结果。
引用
@article{arxiv.2209.13353,
title = {Suppress with a Patch: Revisiting Universal Adversarial Patch Attacks against Object Detection},
author = {Svetlana Pavlitskaya and Jonas Hendl and Sebastian Kleim and Leopold Müller and Fabian Wylczoch and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2209.13353},
year = {2022}
}
备注
Accepted for publication at ICECCME 2022