Jun, 2024

评估感知哈希算法的对抗安全性

PDF
TL;DR通过对普遍应用的三种主要感知哈希算法 ——PhotoDNA、PDQ 和 NeuralHash 的比较，并评估它们在正常图像编辑攻击、恶意对抗攻击和哈希逆转攻击等三种典型攻击下的鲁棒性，揭示了这些感知哈希算法在存在真实约束条件下显示出对黑箱对抗攻击的弹性，并且可以通过哈希位重新构建原始图像，从而引发了重大的隐私问题。通过全面揭示其安全漏洞，本文为增强感知哈希算法的安全性以实现有效的部署作出了贡献。
perceptual hashing algorithmsillegal online contentphotodnapdqneuralhash
发现论文，激发创造
  • 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

  • 学习破解深度感知哈希：使用案例神经哈希

    本文针对 Apple 的深度感知哈希系统 NeuralHash 进行了首次全面的实证分析，结果表明当前深度感知哈希并不够强壮，容易被攻击，因此从隐私角度出发一般不适合用于客户端扫描。

    Nov, 2021

  • 基于深度哈希的检索的有针对性攻击

    本文提出了一种深度哈希目标攻击方法 (DHTA)，通过点集优化将对抗样本哈希码的平均距离最小化来攻击具有目标标签的对象的哈希，并提出了一种新的组件投票方案来获得锚码作为目标标签对象的哈希码集合的代表，以在某些限制条件下，平衡性能和可感知性。实验表明，DHTA 对深度哈希模型的图像和视频检索均有效。

    Apr, 2020

  • 物理对抗攻击遇见计算机视觉：十年调查

    对于深度神经网络 (DNNs) 的安全性问题，本文重点关注于物理对抗攻击，总结了 150 篇现有的物理对抗攻击的论文，详细分析了物理对抗攻击的特征、媒介、方法及其效果，并探讨了当前的挑战和未来方向。

    Sep, 2022

  • 深度图像检索中无监督多标准对抗检测

    本文提出了一种高效无监督的方案，通过设计三个标准以限制敌对空间，从而在深度哈希算法供应链的漏洞下识别出混淆攻击，并在实时图像查询中获得 2-23% 的检测率提高。

    Apr, 2023

  • 针对苹果 NeuralHash 近似线性性的攻击与防御

    该研究发现了 Apple NeuralHash 算法近似线性，并提出了黑盒攻击和加密标准的解决方案。

    Jul, 2022

  • 针对监视的物理对抗攻击：一项调查

    本文回顾了最近在物理对抗攻击方面的尝试和发现，并提出了一种框架来分析物理对抗攻击，并在该框架下对四个关键监控任务：检测，识别，跟踪和动作识别进行了全面的调查。此外，我们还回顾并分析了防御物理对抗攻击的策略和评估防御优势的方法。这篇论文为在监控系统中建立抵抗物理对抗攻击的韧性迈出了重要一步。

    May, 2023

  • 基于摄像头的智能系统的物理对抗攻击：当前趋势、分类、应用、研究挑战和未来展望

    本文全面调查了当前关注的物理对抗攻击趋势，详细解析物理对抗攻击的概念、特征和要求，探索其在不同应用中的目标任务下，包括分类、检测、人脸识别、语义分割和深度估计等，各种物理对抗攻击方法，并评估其有效性、隐蔽性和鲁棒性，讨论了当前挑战和未来研究方向，强调了增强防御机制、探索新的攻击策略、在不同应用领域评估攻击，以及建立物理对抗攻击的标准基准和评估准则的必要性。通过这个全面的调查，旨在为计算机视觉领域的研究人员、实践者和政策制定者提供有价值的资源，帮助他们全面了解物理对抗攻击，并促进鲁棒和安全的基于深度神经网络的系统的发展。

    Aug, 2023

  • 深度优先哈希

    深度优先哈希（DPH）是一种基于贝叶斯学习框架的端到端体系结构，其通过重新调整标准交叉熵损失来优先处理训练数据中的不确定对，以生成高质量的哈希码，并在 ImageNet、NUS-WIDE 和 MS-COCO 三个数据集上取得了最先进的图像检索结果。

    Sep, 2018

  • 针对物理人脸识别的有效对抗性纹理三维网格

    本文旨在开发一种更可靠的技术，能够对商业系统进行端到端的对抗性鲁棒性评估，其中采用拟人面部上的精细拓扑的对抗性纹理 3D 网格可欺骗黑盒识别模型并回避防御机制，详尽的数码和物理实验证明了该方法的有效性，包括三种识别 API、四种反欺诈 API、两种流行的手机和两种自动门禁系统。

    Mar, 2023