T$_k$ML-AP：面向 Top-$k$ 多标签学习的对抗攻击
计算机视觉与模式识别
2021-08-03 v1
摘要
Top- 多标签学习从输入返回前 个预测标签，具有诸多实际应用，如图像标注、文档分析与网络搜索引擎。然而，此类算法针对专门对抗扰动攻击的脆弱性此前未被广泛研究。本工作中，我们开发用于生成对抗扰动的方法，以攻击基于 Top- 多标签学习的图像标注系统（TkML-AP）。我们的方法显式考虑 Top- 排序关系，并基于新颖损失函数。在包括 PASCAL VOC 与 MS COCO 的大规模基准数据集上的实验评估证明了我们的方法在降低最先进（state-of-the-art）Top- 多标签学习方法性能方面的有效性，涵盖无目标与有目标攻击。
引用
@article{arxiv.2108.00146,
title = {T$_k$ML-AP: Adversarial Attacks to Top-$k$ Multi-Label Learning},
author = {Shu Hu and Lipeng Ke and Xin Wang and Siwei Lyu},
journal= {arXiv preprint arXiv:2108.00146},
year = {2021}
}
备注
Accepted by International Conference on Computer Vision (ICCV 2021) (14 pages)