CVPRMay, 2021

原型监督的对抗网络用于深度哈希的有针对性攻击

PDF
TL;DR本文中提出了一个使用生成式方法构建的新型原型监督式对抗网络（ProS-GAN），用于攻击深度哈希网络，得到更好的攻击性能和可转移性。
deep hashingadversarial examplesprototype-supervised adversarial networkgenerative architecturetargeted attack
发现论文，激发创造
  • 生成式对抗网络实现的深度语义哈希

    本文介绍了一种基于 GANs 的新型监督哈希方法 Deep Semantic Hashing，通过针对大规模图像检索任务，利用半监督生成对抗网络在非标注大规模图像数据集和少量标注数据集的基础上生成高质量的综合数据，以此提升哈希搜索技术的效果和精度。实验证明，该方法比当前的深度哈希模型有着更好的效果。

    Apr, 2018

  • 基于深度哈希检索的对抗鲁棒性可靠高效评估

    本文提出了一种新的 Pharos-guided Attack 方法来评估深度哈希网络的对抗鲁棒性，通过最大化对抗样本和 pharos 代码之间的相似性直接进行可靠和高效的攻击，并在基准数据集上进行了广泛的实验验证。

    Mar, 2023

  • SSAH: 半监督自适应深度哈希与自适应难样本生成

    该论文提出了一种名为 SSAH 的半监督自适应对抗哈希方法，通过在一个统一的框架内同时进行图像生成和哈希学习，该系统通过自适应生成困难样本和利用无标签数据中的语义信息显着提高了现有哈希算法的性能。

    Nov, 2019

  • 使用对抗网络生成对抗性样本

    本文提出了 AdvGAN，一种使用生成对抗网络产生高感知质量的对抗样本的方法，可以更高效地生成对抗性的扰动用于敌对训练，同时在半白盒和黑盒攻击设置下，AdvGAN 都能在 MNIST 黑盒攻击竞赛中取得 92.76％的攻击成功率。

    Jan, 2018

  • 使用对抗网络进行鲁棒性深度学习的直接方法

    该论文提出了一种基于生成对抗网络 (GAN) 框架下的新防御机制来对抗黑盒攻击，在经验上表现良好并能与利用梯度下降的集成对抗训练和对抗训练等最先进的方法媲美。

    May, 2019

  • 基于 GAN 的深度特征检索的无监督对抗攻击

    本文介绍了一种使用生成对抗网络的无监督对抗攻击方法，旨在针对基于深度特征的图像检索系统形成对抗查询，通过在有纹理的区域加入微小扰动使得攻击者的图像查询与原始查询相似度降低。

    Jul, 2019

  • 二进制生成对抗网络用于图像检索

    本文提出一种使用二进制生成对抗网络（BGAN）进行无监督学习的图片编码方法，通过限制噪声变量为二进制并使用新的标志激活策略和损失函数，在不松弛约束条件下生成二进制编码，并提高了图像检索的准确性，相较于现有的哈希方法，我们的方法在标准数据集上的表现提高了 107%。

    Aug, 2017

  • 生成对抗性训练器：用 GAN 对抗对抗性扰动

    我们提出了一种新的技术，使用生成对抗网络使神经网络对抗性示例具有鲁棒性，通过交替训练分类器和生成器网络，我们成功地应用于 CIFAR 数据集的监督学习，实验结果表明我们的方法显著降低了网络的泛化误差。这是我们所知道的第一个使用 GAN 改进监督学习的方法。

    May, 2017

  • 具有分层嵌套对抗网络的照片到图像合成

    本文提出了一种新颖的方法来生成基于语义图像描述的摄影图像，并通过采用伴随的分层嵌套对抗目标函数进行中层表示规范化及生成器训练来改善图像质量，以及引入新的视觉语义相似度衡量来评估其生成的图像的语义一致性，最终在三个主流数据集上实验验证表明，该方法在各种评估指标上显著优于先前的最先进技术。

    Feb, 2018

  • Rob-GAN: 生成器，鉴别器和对抗攻击者

    研究反对派深度学习中的两个重要概念 - 对抗性训练和生成对抗性网络（GAN），这些概念可以相互增强并开发出一种名为 Rob-GAN 的框架，旨在同时提高 GAN 训练的收敛速度、合成图像的质量和鉴别器在强对抗性攻击下的强度。

    Jul, 2018