JPEG 与 JPEG2000 压缩对使用对抗样本攻击的影响
计算机视觉与模式识别
2018-04-03 v2
摘要
众所周知，对抗样本会对分类器的性能产生负面影响，而这些分类器在未受干扰的图像上原本具有良好的性能。这些样本是通过向测试样本添加非随机噪声生成的，旨在使分类器对给定数据进行错误分类。对抗攻击利用这些故意生成的样本，对基于机器学习的系统构成安全风险。为了对此类攻击免疫，期望有一种预处理机制，能够在保留图像内容的同时消除导致错误分类的这些影响。JPEG 和 JPEG2000 是众所周知的图像压缩技术，它们在考虑人类视觉系统的情况下抑制高频内容。JPEG 也已被证明是减少对抗噪声的有效方法。在本文中，我们提出应用 JPEG2000 压缩作为替代方案，并系统比较了在不同目标 PSNR 值和最大压缩级别下使用 JPEG 和 JPEG2000 压缩的对抗图像的分类性能。我们的实验表明，JPEG2000 在减少对抗噪声方面更有效，因为它允许更高的压缩率且失真更小，并且不会引入块效应。
引用
@article{arxiv.1803.10418,
title = {The Effects of JPEG and JPEG2000 Compression on Attacks using Adversarial Examples},
author = {Ayse Elvan Aydemir and Alptekin Temizel and Tugba Taskaya Temizel},
journal= {arXiv preprint arXiv:1803.10418},
year = {2018}
}