面向防御性的字母设计
计算机视觉与模式识别
2023-09-06 v1 机器学习
摘要
防御对抗攻击的一种主要方法仅致力于使图像分类器更具鲁棒性，而不关注图像中的视觉对象（如熊猫和汽车）。这意味着视觉对象本身无法采取任何防御措施，仍易受到对抗攻击。相比之下，字母是人工符号，只要不损失其可读性，我们便可自由控制其外观。换言之，我们能使字母对攻击更具防御性。本文提出三个与字母图像对抗脆弱性相关的研究问题：（1）字母对对抗攻击的防御性如何？（2）我们能否在攻击前估计给定字母图像的防御性？（3）我们能否控制字母图像以使其对对抗攻击更具防御性？为回答第一和第二个问题，我们采用迭代快速梯度符号方法（I-FGSM）度量字母的防御性，并构建深度回归模型以估计每个字母图像的防御性。我们还提出一种基于生成对抗网络（GAN）的两步法来生成具有更高防御性的字符图像，从而解决第三个研究问题。
引用
@article{arxiv.2309.01452,
title = {Toward Defensive Letter Design},
author = {Rentaro Kataoka and Akisato Kimura and Seiichi Uchida},
journal= {arXiv preprint arXiv:2309.01452},
year = {2023}
}
备注
14 pages, 8 figures, accepted at ACPR 2023