CVPRMar, 2022

上下文感知目标检测器的零查询转移攻击

PDF
TL;DR通过使用零查询方案、设计新的数据结构、利用及定义的概念、实现线索较弱的检测来生成背景一致的对抗性攻击，能够有效地规避自然多物体场景中的黑盒目标检测器，并提高攻击成功率。
adversarial attackscontext-consistency checkblack-box object detectorszero-query settingperturbation-bounded adversarial attack
发现论文，激发创造
  • 针对目标检测的上下文感知迁移攻击

    本篇研究提出一种基于对象共现和它们相对位置和大小作为上下文信息的上下文感知攻击方法，可成功针对黑盒对象检测器生成有针对性的误分类攻击，并在 PASCAL VOC 数据集上实现高达 20% 以上的性能提升。

    Dec, 2021

  • 连接点：利用语境不一致性检测敌对扰动

    本研究提出了一种基于上下文一致性规则学习的深度神经网络攻击检测方法，通过建立了一组自动编码器来检测违反上下文一致性规则的对抗扰动，实验证明该方法可以有效检测各种对抗攻击。

    Jul, 2020

  • 利用多物体关系检测复杂场景中的对抗攻击

    通过使用语言模型，我们开发了一种新方法来检测图像义务的一致性，即在自然场景的语言描述中捕捉物体共现关系，这种方法不仅适用于特定模型，而且对于多个物体的实际场景中检测对抗性样本具有非常高的精度。

    Aug, 2021

  • 全局布局感知物体检测攻击

    本文提出新的 GLOW 方法对多目标场景下单 / 多个受害者对象产生全局布局感知的分类和几何约束的对抗攻击，并与 SOTAs 和具有挑战性的无查询黑盒攻击的方法进行比较，结果表明在传统攻击请求的单个对象方面比 SOTAs 提高了约 30％，在更广泛的攻击请求方面平均提高约 20％。

    Feb, 2023

  • 物体检测中的类别感知鲁棒性对抗训练

    本文提出一种新颖的、针对目标检测任务的类感知鲁棒性对抗训练范式，旨在提高目标检测模型的鲁棒性，并通过广泛实验验证了该方法的有效性。

    Mar, 2021

  • 快速特征愚弄：一种数据无关的通用对抗扰动方法

    本文提出了一种新的数据独立方法，可生成用于对象识别训练的多个 CNN 的图像无关扰动，这些扰动显示出令人惊讶的可转移性和印迹性能，并没有要求攻击者访问训练数据。

    Jul, 2017

  • 多臂攻击的最优零样本检测器

    在一个恶意行为者使用多臂攻击策略操纵数据样本的情景中，本文的中心目标是通过检测输入的任何改动来保护数据。我们采用了一种信息理论的防御方法，通过最优地汇总多个探测器的决策，消除了对训练数据的需求，并且在实验中展示了我们提出的解决方案的有效性。

    Feb, 2024

  • ZOO: 无需训练替代模型的基于零阶优化的黑盒攻击深度神经网络

    本文提出了零阶优化的黑盒攻击方法，该方法不需要训练替代模型而直接估计目标 DNN 的梯度来生成对抗性例子，实验结果表明该攻击方法在 MNIST、CIFAR10 和 ImageNet 的数据集上与白盒攻击方法效果相当且明显优于现有的替代模型的黑盒攻击方法。

    Aug, 2017

  • 物体检测中空间上下文对对抗鲁棒性的作用

    本文主要研究利用空间上下文的快速目标检测算法，存在针对其进行针对性攻击的问题，并提出了限制空间上下文训练的解决方案。

    Sep, 2019

  • 深度网络的简单黑盒对抗扰动

    研究表明，即使没有内部知识，对深度卷积神经网络进行黑盒攻击并制造对抗性样本是可行的，这暴露了深度神经网络的弱点，为设计安全的网络提供了检验。

    Dec, 2016