关键词universal adversarial perturbation
搜索结果 - 11
- 纹理可缩放的通用对抗干扰
通过在整个图像领域内添加约束并横向和纵向重复来填充一个具有小尺度的场景无关扰动 (UAP) 地图，我们提出了一种纹理尺度约束的 UAP 改进方法 (TSC-UAP)，它可以自动产生具有类别特定局部纹理的 UAP，更容易愚弄深度模型，从而在愚 - 一个扰动就足够了：关于生成对抗视觉语言预训练模型的通用对抗扰动
我们展示了 Vision-Language Pre-training（VLP）模型对新型的通用对抗扰动（UAP）攻击的脆弱性，并提出了一种基于多模态对齐的 Contrastive-training Perturbation Generato - 任意分割物体遭受通用对抗扰动
研究了如何使用自我监督对比学习来生成一种基于锚定样本的普适性对抗扰动，以攻击 Segment Anything Model（SAM）。验证了该方法的有效性并探讨了正负样本在生成 UAP 时的作用。
- 通过梯度聚合提升通用对抗干扰的泛化性能
本文研究了深度神经网络对通用对抗扰动（UAP）的脆弱性，提出了一种名为随机梯度聚合（SGA）的简单有效方法，用于缓解梯度消失和逃离贫弱局部最优问题，并证实在标准 ImageNet 数据集上表现优于其他最先进方法。
- MM远程遥感图像的通用对抗扰动
本文探讨了深度学习在遥感图像领域中的应用，尤其是在普适性对抗扰动方面的研究，并通过设计了一种新方法，可实现对遥感图像分类模型的攻击成功率高达 97.09%。
- 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。
- AAAI通过深度隐写学的视角实现通用对抗扰动：迈向傅里叶视角
利用傅里叶分析的方法，我们从任务特定和联合分析的角度，揭示频率分布和高频内容对深度学习模型的鲁棒性和发现模型广泛化有深层次的影响。我们还提出了两种新的万能扰动：同时达到攻击和隐藏的 “通用秘密对抗扰动”（USAP）和对人眼不可见的 “高通万 - CD-UAP：类别判别通用对抗扰动
提出了一种新的通用攻击方法 CD-UAP, 可以生成一个唯一的通用扰动，以欺骗目标网络，使其错误分类只选定的类组，而对其余类组影响有限。通过基于各种损失函数配置的算法框架来设计并比较，其在各种基准数据集上进行了广泛的实验，获得了最先进的性能 - ICML关于普适对抗和不变扰动
本文研究使用 CNN 以及其衍生的 GCNN 在旋转不变性训练方面的成果，以及在特定谱属性下所提出的通用性对抗性扰动技术 SVD-Universal 的效果与普适性。
- AAAI使用生成模型实现快速且通用的音频对抗攻击
本文提出了一种名为 FAPG 的快速音频对抗扰动生成器和一种名为 UAPG 的通用音频对抗扰动生成器，它们分别用于生成对特定音频输入的对抗扰动和通用对抗性扰动，并取得了比现有技术更快和更好的攻击性能。
- 对抗网络流量：评估基于深度学习的网络流量分类的鲁棒性
本文评估深度学习技术在网络流量分类中对抗网络攻击的鲁棒性，通过三种不同类别的攻击方法注入通用对抗扰动，发现即使注入微小的扰动也能显著降低深度学习技术在包分类、数据包内容分类和时间序列分类中的分类性能。