对抗攻防文献记录
文献一:Robust Superpixel-Guided Attentional Adversarial Attack一、相关概念
"pixel-wise" means these adversarial perturbations are added onto each pixel independently, thus very noisy in most cases.
"global-wise " means that most existing methods treat all the pixels in one image equally and add perturbations to all pixels.
超像素分割:将一幅图像中纹理,色泽相近的部分划分为一个个小的子区域,实现聚类、分割的目的。
传统基于pixel-wise和global-wise的对抗样本产生方法(如I-FGM)会造成图像像素之间的不平滑,容易被基于图像处理和基于隐写分析的防御方法识破。
二、SAI-FGM
本文利用超像素分割+CAM注意力热图来实现对抗样本的平滑
超像素点分割:增强对抗样本的平滑性
注意力热图:使对抗样本的添加位置更有针对性
1.原始图像的超像素点分割
使用SLIC方法对原始图像x进行超像素分割得到t,将t作为生成对抗噪声的模板 。
2.注意力热图分割
使用CAM方法计算原始图像的注意力热图m,并采用阈值分割将m二值化得到 m’, 可分为背景部分和目标部分。
3.对抗噪声的产生
设置初始噪声向量 n,n的长度与超像素图像x’中的子块数量相同。使用映射函数f初始化n,然后进行多次迭代
三、总结
Robust Superpixel-Guided Attentional Adversarial Attack——鲁棒的超像素点引导的注意力对抗攻击(SAI-FGM)是一种基于梯度的攻击方式,可有效突破数据预处理,隐写分析等对抗防御方法