SPATIALLY TRANSFORMED ADVERSARIAL EXAMPLES

本文提出了stAdv方法,通过空域局部形变而非像素值扰动生成对抗样本,更符合人类视觉感受,且能绕过一些防御机制。实验表明,stAdv在MNIST和CIFAR-10上成功生成了难以察觉的对抗样本,挑战了现有的防御方法。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

SPATIALLY TRANSFORMED ADVERSARIAL EXAMPLES

本文发表在ICLR2018上

引言

传统的对抗样本生成方式都是加扰动,是一种像素值变换,本文提出一种空域变换生成对抗样本的方法stAdv,虽然基于此方法在传统的对抗样本生成评价指标中和原图像会有较大的LpLp距离,但是从人的视觉感官上这种变换方式更真实,且更不容易被现有对抗攻击防御方法检测出来。
传统像素值扰动生成对抗样本的问题:利用L2L2 距离作为相似性度量不符合人的视觉感受机制

方法

最小化空域局部形变,而不是传统的像素值LpLp 距离。具体地,设输入图像为xx,输出的对抗样本为

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值