面向语义分割的可迁移攻击
计算机视觉与模式识别
2023-08-22 v2
摘要
我们分析了语义分割模型在对抗攻击下的性能，观察到由源模型生成的对抗样本无法攻击目标模型。即传统的攻击方法（如 PGD 和 FGSM）对目标模型的可迁移性较差，因此有必要研究可迁移攻击，尤其是面向语义分割的可迁移攻击。我们发现实现可迁移攻击的两个主要因素。首先，攻击应结合有效的数据增强与平移不变特征以应对未见过的模型。其次，需要稳定的优化策略来寻找最优攻击方向。基于上述观察，我们提出了一种面向语义分割的集成攻击，以更高的可迁移性实现更有效的攻击。源代码与实验结果已通过我们的项目页面公开：https://github.com/anucvers/TASS。
引用
@article{arxiv.2307.16572,
title = {Transferable Attack for Semantic Segmentation},
author = {Mengqi He and Jing Zhang and Zhaoyuan Yang and Mingyi He and Nick Barnes and Yuchao Dai},
journal= {arXiv preprint arXiv:2307.16572},
year = {2023}
}
备注
Source code is available at: https://github.com/anucvers/TASS