Jul, 2024
图像到图像网络的后门攻击
Backdoor Attacks against Image-to-Image Networks
TL;DR最近，基于深度学习的图像到图像（I2I）网络成为了图像超分辨率和去噪等I2I任务的首选。然而，I2I网络的后门漏洞尚未得到探索。为了填补这一研究空白，我们对I2I网络对后门攻击的易感性进行了全面调查。具体而言，我们提出了一种新颖的后门攻击技术，其中被攻击的I2I网络在干净输入图像上表现正常，但在包含触发器的恶意输入图像上输出对手的预定义图像。为了实现这种I2I后门攻击，我们提出了一种针对I2I网络的有针对性的通用对抗扰动（UAP）生成算法，生成的UAP被用作后门触发器。此外，在包含主任务和后门任务的后门训练过程中，采用多任务学习（MTL）和动态加权方法加速收敛速度。除了攻击I2I任务外，我们还扩展了我们的I2I后门攻击，以攻击包括图像分类和物体检测在内的下游任务。大量实验证明了I2I后门对最先进的I2I网络架构的有效性，以及对不同主流后门防御的鲁棒性。