Scale-free Photo-realistic Adversarial Pattern Attack

要約

従来のピクセル単位の画像攻撃アルゴリズムは、防御アルゴリズムに対する堅牢性が低いという欠点があります。つまり、防御アルゴリズムが適用されると、攻撃強度が劇的に低下します。
Generative Adversarial Networks (GAN) は、意味的に意味のあるテクスチャ パターンを合成することで、この問題に部分的に対処できますが、主な制限は、既存のジェネレーターが特定のスケールの画像しか生成できないことです。
この論文では、意味的に意味のある敵対的パターンをグローバルに任意のスケールの画像に合成する、スケールフリーの世代ベースの攻撃アルゴリズムを提案します。
私たちの生成的攻撃アプローチは、幅広い攻撃設定で最先端の方法よりも一貫して優れています。つまり、提案されたアプローチは、さまざまな高度な防御方法の下で、さまざまな画像分類、オブジェクト検出、およびインスタンス セグメンテーション アルゴリズムのパフォーマンスを大幅に低下させました。

要約(オリジナル)

Traditional pixel-wise image attack algorithms suffer from poor robustness to defense algorithms, i.e., the attack strength degrades dramatically when defense algorithms are applied. Although Generative Adversarial Networks (GAN) can partially address this problem by synthesizing a more semantically meaningful texture pattern, the main limitation is that existing generators can only generate images of a specific scale. In this paper, we propose a scale-free generation-based attack algorithm that synthesizes semantically meaningful adversarial patterns globally to images with arbitrary scales. Our generative attack approach consistently outperforms the state-of-the-art methods on a wide range of attack settings, i.e. the proposed approach largely degraded the performance of various image classification, object detection, and instance segmentation algorithms under different advanced defense methods.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google