胸部X射线图像分类对抗攻击的脆弱性分析
计算机视觉与模式识别
2018-07-31 v2
摘要
近来，已有若干成功的深度学习方法用于将胸部X射线图像自动分类为不同的疾病类别。然而，针对这些模型在所谓对抗扰动/攻击下的脆弱性，尚缺乏全面的分析，而这有助于在临床实践中建立对深度模型的更高信任。本文中，我们广泛分析了两种最先进的分类深度网络在胸部X射线图像上的性能。这两个网络受到三类（共十种方法）对抗方法的攻击（包括白盒与黑盒），即基于梯度的、基于分数的和基于决策的攻击。此外，我们修改了这两个分类网络中的池化操作，以测量它们在胸部X射线分类这一特定任务上对不同攻击的敏感性。
引用
@article{arxiv.1807.02905,
title = {Vulnerability Analysis of Chest X-Ray Image Classification Against Adversarial Attacks},
author = {Saeid Asgari Taghanaki and Arkadeep Das and Ghassan Hamarneh},
journal= {arXiv preprint arXiv:1807.02905},
year = {2018}
}
备注
Accepted in MICCAI, DLF, 2018