基于图像着色的无限制攻击

摘要：

深度学习目前被广泛应用于计算机视觉、机器人技术和自然语言处理等领域.然而,已有研究表明,深度神经网络在对抗样本面前很脆弱,一个精心制作的对抗样本就可以使深度学习模型判断出错.现有的研究大多通过产生微小的Lp范数扰动来误导分类器的对抗性攻击,但是取得的效果并不理想.本文提出一种新的对抗攻击方法——图像着色攻击,将输入样本转为灰度图,设计一种灰度图上色方法指导灰度图着色,最终利用经过上色的图像欺骗分类器实现无限制攻击.实验表明,这种方法制作的对抗样本在欺骗几种最先进的深度神经网络图像分类器方面有不俗表现,并且通过了人类感知研究测试.

关键词：对抗攻击、灰度图着色、对抗样本、无限制攻击

分类号：TP183(自动化基础理论)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金;中央高校基本科研业务费专项资金资助项目

在线出版日期：2022-12-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：52-59