Feb, 2024

通过插值平滑提高对人脸识别的抗 JPEG 攻击性能

PDF
TL;DR我们提出了一种新的对抗性人脸识别攻击方法，旨在提高对 JPEG 压缩的对抗性示例的抵抗力。通过对生成的对抗性人脸示例进行插值，我们平滑了对抗扰动，从而有效地减轻了 JPEG 压缩中通常消除的高频信号，实验结果证明了我们提出的方法在改善对 JPEG 压缩的对抗性人脸示例的抵抗力方面的有效性。
jpeg compressionadversarial attackface recognitionadversarial examplesjpeg-resistance
发现论文，激发创造
  • 保护 JPEG 图像免受对抗攻击

    利用自适应 JPEG 编码器来增强深度神经网络对抗性攻击的鲁棒性，不仅可以保持图像的视觉质量，而且无需更改分类器并且压缩图像可以被非定制的 JPEG 解码器解压。

    Mar, 2018

  • JPEG 和 JPEG2000 压缩对使用对抗样本攻击的影响

    通过使用 JPEG2000 压缩作为一种替代方法，系统地比较了使用不同目标 PSNR 值和最大压缩级别的 JPEG 和 JPEG2000 压缩的对抗性图像的分类性能，实验表明，JPEG2000 更有效地减少了对抗性噪声，允许更高的压缩率和更少的失真，并且不会引入阻塞伪影。

    Mar, 2018

  • 平滑对抗样本

    本文研究对抗样本的视觉质量，探讨了不同于传统 smoothing 的新型 smoothing 方式，即基于 Laplacian smoothing，并以白盒攻击的场景为基础，对不同攻击方式的效果进行了比较和评估，得到新方法在可感知噪音畸变情况下，成功率相对较高的结论。

    Mar, 2019

  • 保护和疫苗接种深度学习：利用 JPEG 压缩防御入侵者

    使用 JPEG 压缩作为分类管道中的预处理步骤，可以在对抗性攻击中起到作用，通过移除高频信号成分从而消除加性扰动。我们还提出了一种基于集合的技术，该技术可以快速构建一个性能良好的 DNN 集成，通过利用 JPEG 压缩来保护模型免受多种类型的对抗性攻击，而不需要了解模型。

    May, 2017

  • 对抗性人脸合成

    该论文提出 AdvFaces，一种基于生成对抗网络 (GAN) 的自动化方法，用最小的扰动生成看似合法但实际上能够欺骗最新人脸识别系统的假冒人脸或模糊真正主题的攻击性人脸图像。

    Aug, 2019

  • JPG 压缩对对抗性图像的影响研究

    研究深度神经网络在分类对抗图像时的安全风险，发现对于 Fast-Gradient-Sign 干扰强度较小的对抗图片，进行 JPG 压缩可以较大程度地逆转分类准确度下降效果，但随着干扰强度的增加，仅进行 JPG 重新压缩就不足以消除其效果。

    Aug, 2016

  • 特征蒸馏：面向 DNN 的 JPEG 压缩对抗示例的防御

    本文介绍一种通过 JPEG 压缩技术的特征蒸馏方法来防御深度神经网络的对抗攻击，能够有效修正对抗样本，同时不影响正常图像分类准确性。实验结果表明，此方法在准确性、可用性和处理速度方面均有所提升。

    Mar, 2018

  • 可转移的学习图像压缩抗扰动

    对利用学习型图像压缩器作为预处理模块的图像分类模型进行了具有增强传递性的对抗攻击方法的探索与实验。

    Jan, 2024

  • 利用对抗样本实现人脸生物特征去识别

    本文评估了使用两种广为人知的敌对生成方法 (BIM and ILLC) 来去识别个人图像的效果，并发现使用几乎不可察觉的敌对扰动来达到高的保护成功率 (抑制识别率) 并不容易。最后，我们发现敌对样本的可转移性受其生成网络的训练参数的影响非常大。

    Feb, 2023

  • PPR: 强化人脸识别系统抵御躲避攻击并保持冒名攻击

    通过预训练修剪恢复攻击（PPR）的方法，在维持冒名顶替攻击的性能的同时，提高了逃避攻击的表现。我们利用对抗性示例修剪，将一部分对抗扰动设为零，从而有效地提升了对抗面部示例的逃避性能。实验结果证明了我们提出的攻击方法的优越性能。

    Jan, 2024