面向纹理识别的难以察觉通用攻击
计算机视觉与模式识别
2020-11-25 v1
摘要
尽管深度神经网络(DNNs)已被证明对自然图像分类问题中的图像无关对抗攻击敏感，但此类攻击对基于DNN的纹理识别的影响尚待探索。作为工作的一部分，我们发现限制空间域中扰动的范数可能并非限制纹理图像通用对抗扰动可察觉性的合适方式。基于人类感知受局部视觉频率特性影响的事实，我们提出一种频率调谐通用攻击方法，在频域计算通用扰动。实验表明，与现有通用攻击技术相比，我们所提方法能在各种DNN纹理分类器与纹理数据集上产生可察觉性更低的扰动，且白盒欺骗率相似或更高。我们还证明，我们的方法可提升针对防御模型的攻击鲁棒性以及纹理识别问题的跨数据集可迁移性。
引用
@article{arxiv.2011.11957,
title = {Towards Imperceptible Universal Attacks on Texture Recognition},
author = {Yingpeng Deng and Lina J. Karam},
journal= {arXiv preprint arXiv:2011.11957},
year = {2020}
}