Universal adversarial perturbation for remote sensing images

要約

近年、リモートセンシング画像（RSI）分野での深層学習の応用により、RSIの分類精度は従来技術に比べて飛躍的に向上しています。しかし、最先端の物体認識用畳み込みニューラルネットワークであっても、普遍的敵対的摂動（UAP）には騙される。UAPの研究は、ほとんどが通常の画像に限定されており、RSIは研究されていない。本論文では、RSIのUAPの基本的な特性を探るため、エンコーダデコーダネットワークと注意メカニズムを組み合わせた新しい手法を提案し、RSIのUAPを発生させる。まず、前者は摂動の分布をよりよく学習できるUAPを生成するために用いられ、次に後者はRSI分類モデルによって関係する敏感な領域を見つけるために用いられる。最後に、生成された領域を用いて摂動を微調整することで、より少ない摂動でモデルを誤分類させることができる。実験の結果、UAPは分類モデルを誤分類させることができ、RSIデータセットに対する提案手法の攻撃成功率は97.09%という高い数値を示しています。

要約(オリジナル)

Recently, with the application of deep learning in the remote sensing image (RSI) field, the classification accuracy of the RSI has been dramatically improved compared with traditional technology. However, even the state-of-the-art object recognition convolutional neural networks are fooled by the universal adversarial perturbation (UAP). The research on UAP is mostly limited to ordinary images, and RSIs have not been studied. To explore the basic characteristics of UAPs of RSIs, this paper proposes a novel method combining an encoder-decoder network with an attention mechanism to generate the UAP of RSIs. Firstly, the former is used to generate the UAP, which can learn the distribution of perturbations better, and then the latter is used to find the sensitive regions concerned by the RSI classification model. Finally, the generated regions are used to fine-tune the perturbation making the model misclassified with fewer perturbations. The experimental results show that the UAP can make the classification model misclassify, and the attack success rate of our proposed method on the RSI data set is as high as 97.09%.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL