揭示隐藏视觉信息：针对对抗性视觉信息隐藏的重构攻击
计算机视觉与模式识别
2024-08-09 v1 人工智能
密码学与安全
摘要
本文调查了基于对抗样本的人工智能图像加密的安全漏洞, 通过执行数据重构 (DR) 攻击来破解加密图像. 代表性图像加密方法是对抗性视觉信息隐藏 (AVIH), 它使用 type-I 对抗样本训练来保护用于图像识别任务的画廊数据集. 在 AVIH 方法中, type-I 对抗样本方法创建看起来完全不同但仍被机器识别为原始图像的图像. 此外, AVIH 方法可以使用预定义的私钥生成模型恢复加密图像的原始形式. 为获得最佳安全性, 为每个图像分配唯一的密钥是推荐做法; 但由于存储限制, 可能需要一些图像共享相同的密钥模型. 这引出了一个关键的安全问题: DR 攻击如何在不被破解的情况下安全地共享相同的密钥模型? 为了回答这个问题, 我们引入一种针对 AVIH 加密方法的双策略 DR 攻击, 通过融合 (1) 生成对抗损失和 (2) 增强身份损失来实现, 这些措施可防止 DR 过拟合——这类似于机器学习中的问题. 我们的数值结果通过图像识别和再识别基准测试验证了这一方法, 表明我们的策略显著提高了重构图像的质量, 从而需要更少的密钥共享加密图像. 我们将很快公开我们的源代码以复现我们的研究结果.
引用
@article{arxiv.2408.04261,
title = {Unveiling Hidden Visual Information: A Reconstruction Attack Against Adversarial Visual Information Hiding},
author = {Jonggyu Jang and Hyeonsu Lyu and Seongjin Hwang and Hyun Jong Yang},
journal= {arXiv preprint arXiv:2408.04261},
year = {2024}
}
备注
12 pages