Exploring Vulnerabilities of No-Reference Image Quality Assessment Models: A Query-Based Black-Box Method

要約

非参照画像品質評価 (NR-IQA) は、原始的な参照画像に依存せずに人間の知覚と一致する画質スコアを予測することを目的としており、さまざまな視覚タスクにおいて重要なコンポーネントとして機能します。
NR-IQA メソッドの堅牢性を確保することは、さまざまな画像処理技術の信頼できる比較と、レコメンデーションにおける一貫したユーザー エクスペリエンスにとって不可欠です。
NR-IQA の攻撃方法は、NR-IQA の堅牢性をテストする強力な手段となります。
ただし、NR-IQA の現在の攻撃方法は NR-IQA モデルの勾配に大きく依存しているため、勾配情報が利用できない場合には制限が生じます。
この論文では、NR-IQA 手法に対する先駆的なクエリベースのブラック ボックス攻撃を紹介します。
私たちはスコア境界の概念を提案し、複数のスコア境界を使用した適応的反復アプローチを活用します。
一方、最初の攻撃方向も人間視覚システム (HVS) の特性を活用するように設計されています。
実験によれば、私たちの手法は比較されたすべての最先端の攻撃手法を上回り、以前のブラックボックス手法をはるかに上回っています。
効果的な NR-IQA モデル DBCNN は、私たちの方法による攻撃により、スピアマンの順位相関係数 (SROCC) が 0.6381 低下し、ブラックボックス攻撃に対する NR-IQA モデルの脆弱性が明らかになりました。
提案された攻撃方法は、NR-IQA の堅牢性をさらに調査するための強力なツールも提供します。

要約(オリジナル)

No-Reference Image Quality Assessment (NR-IQA) aims to predict image quality scores consistent with human perception without relying on pristine reference images, serving as a crucial component in various visual tasks. Ensuring the robustness of NR-IQA methods is vital for reliable comparisons of different image processing techniques and consistent user experiences in recommendations. The attack methods for NR-IQA provide a powerful instrument to test the robustness of NR-IQA. However, current attack methods of NR-IQA heavily rely on the gradient of the NR-IQA model, leading to limitations when the gradient information is unavailable. In this paper, we present a pioneering query-based black box attack against NR-IQA methods. We propose the concept of score boundary and leverage an adaptive iterative approach with multiple score boundaries. Meanwhile, the initial attack directions are also designed to leverage the characteristics of the Human Visual System (HVS). Experiments show our method outperforms all compared state-of-the-art attack methods and is far ahead of previous black-box methods. The effective NR-IQA model DBCNN suffers a Spearman’s rank-order correlation coefficient (SROCC) decline of 0.6381 attacked by our method, revealing the vulnerability of NR-IQA models to black-box attacks. The proposed attack method also provides a potent tool for further exploration into NR-IQA robustness.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google