Vax-a-Net:针对对抗补丁攻击的训练时防御
计算机视觉与模式识别
2020-09-18 v1
摘要
我们提出Vax-a-Net;一种使卷积神经网络(CNNs)对对抗补丁攻击(APAs)免疫的技术。APAs在图像中插入视觉上明显的局部区域(补丁)以诱导误分类。我们引入一种条件生成对抗网络(GAN)架构,其同时学习合成用于APAs的补丁,并利用这些攻击来调整预训练目标CNN以降低其对它们的易感性。该方法使得对预训练模型的APA抵御能力得以赋予,而由于APA方法收敛缓慢,常规对抗训练对此并不实用。我们展示了该保护的迁移性以防御现有APAs,并表明其在若干当代CNN架构上的有效性。
引用
@article{arxiv.2009.08194,
title = {Vax-a-Net: Training-time Defence Against Adversarial Patch Attacks},
author = {T. Gittings and S. Schneider and J. Collomosse},
journal= {arXiv preprint arXiv:2009.08194},
year = {2020}
}
备注
16 pages, 10 figures, ACCV 2020