遥感图像通用对抗扰动
计算机视觉与模式识别
2023-01-04 v2
摘要
近年来，随着深度学习在遥感图像（RSI）领域的应用，RSI的分类精度相比传统技术得到了显著提升。然而，即使是当前最先进的目标识别卷积神经网络也会被通用对抗扰动（UAP）欺骗。关于UAP的研究大多局限于普通图像，尚未对RSI进行研究。为探索RSI的UAP基本特性，本文提出一种结合编码器-解码器网络与注意力机制的新方法来生成RSI的UAP。首先，前者用于生成UAP，能更好地学习扰动分布；随后后者用于寻找RSI分类模型关注的敏感区域；最后，利用生成区域对扰动进行微调，使模型以更少扰动发生误分类。实验结果表明，UAP可使分类模型误分类，且所提方法在RSI数据集上的攻击成功率高达97.09%。
引用
@article{arxiv.2202.10693,
title = {Universal adversarial perturbation for remote sensing images},
author = {Qingyu Wang and Guorui Feng and Zhaoxia Yin and Bin Luo},
journal= {arXiv preprint arXiv:2202.10693},
year = {2023}
}
备注
Published in the Twenty-Fourth International Workshop on Multimedia Signal Processing, MMSP 2022