Sep, 2024

针对遥感图像分类的云对抗样本生成

HTML
PDF
TL;DR本研究针对现有遥感图像对抗攻击方法的不足之处，提出了一种基于Perlin噪声的云生成攻击方法，旨在生成更符合人类感知的对抗样本。通过设计Perlin梯度生成网络（PGGN），将云生成转化为黑箱优化问题，从而实现高效的对抗攻击效果。实验结果表明，该方法具有强大的攻击能力和良好的查询效率，能够有效提升对抗样本的可迁移性及在防御场景中的鲁棒性。
发现论文，激发创造
  • 高效率黑盒对抗样本查询（已被取代）

    本文提出了一种新的方法，利用自然进化策略在黑盒攻击下生成可靠的对抗样本，并通过新的算法在部分信息下进行有针对性的攻击，无需使用梯度，可以使用少量的请求操作，成功地对商业部署的机器学习系统进行了第一次有针对性的攻击。

    Dec, 2017

  • 遥感中的对抗性样本

    本文研究机器学习算法在遥感应用中的攻击，并在卫星图像分类问题的背景下对对抗样本进行了新的研究，同时考虑了现实世界的实际问题。

    May, 2018

  • 谐波对抗攻击方法

    利用谐波函数生成无棱角的对抗扰动，在保持大幅度扰动的同时不影响原始图片的视觉质量；此方法还可用于模拟自然现象，对于改善模型性能具有潜在应用。

    Jul, 2018

  • 低频对抗扰动

    本文提出了一种基于低频领域的对抗攻击方法，能够有效地减少模型查询次数，即使模型和防御策略未知，也能规避图像转换的防御策略，并展示了使用该技术欺骗 Google Cloud Vision 平台模型查询次数极低的成果。

    Sep, 2018

  • 对云端图像分类器服务攻击的对抗样本可迁移性研究

    本篇研究提出一种新的攻击方法，在云平台上进行黑盒攻击，并提出防御技术。攻击方法使用一种代替模型的方法，只使用很少的查询次数就能以超过90％的准确率成功攻击不同的分类服务。

    Jan, 2020

  • 基于3D点云深度学习的极小对抗样本

    本论文通过对点云模型的对抗攻击提出了全新的统一公式，此方法可以攻击分类模型的功能，考虑到攻击点的感知能力，并确保最小程度上的点操作，实验证明此方法在合成数据和真实数据上均取得了超过89%和90%的攻击成功率，并仅操作了总点数约4%。

    Aug, 2020

  • AdvHaze：对抗性雾霾攻击

    提出了一种基于雾霾的新型对抗性攻击方法，利用大气散射模型，将潜在的对抗性雾霾合成到图像中，从而误导分类器，获得高成功率和更好的跨模型迁移性，并且还发现了联合应用不同扰动可提高攻击成功率的相关性矩阵。

    Apr, 2021

  • 针对远程感知显著对象检测的对抗云攻击防御

    提出了一种新的对抗性云攻击和防御方法对抗远程感知图像中突出物体的检测，并且通过DefenseNet预处理使其能够在白盒和黑盒设置下防御该攻击。

    Jun, 2023

  • 鲁棒点云识别的基准测试与分析：防御对抗样本的诀窍

    我们建立了一个全面、严格的点云对抗韧性基准，评估了韧性的影响，并通过对现有的防御方法进行广泛和系统的实验，提出了一种混合训练增强方法以提高对各种攻击的对抗韧性。

    Jul, 2023

  • 基于预训练去噪扩散模型的遥感通用对抗防御

    利用预训练扩散模型进行通用对抗防御，净化遥感数据中的对抗干扰，不需要事先了解对抗干扰性质，提高性能并减少重新训练的工作量。

    Jul, 2023