一种基于二维码对抗样本的物理补丁攻击

摘要：

深度学习技术在图像识别领域已经得到广泛应用,识别准确率超过人类平均水平.然而最近的研究表明,深度神经网络的性能会因对抗样本的存在而大幅降低.攻击者通过在待识别的图像中添加精心设计的微小扰动,误导分类器做出错误预测.另一个方面,在数字空间生成的扰动也能够转移到物理空间并用于攻击.为此,本文提出了一种基于二维码对抗样本的物理补丁攻击方法.将生成的二维码贴在道路交通标志表面的指定位置,使得分类器输出错误的分类.实验结果表明了本文方法的有效性,同时,将数字空间生成的对抗样本用于物理空间中的交通标志攻击,仍可以保持较高的成功率.

关键词：深度学习、对抗样本、二维码、补丁攻击

所属期刊栏目：5

分类号：TP309(计算技术、计算机技术)

资助基金：本课题得到科技部重点研发项目;国家自然科学基金资助项目;浙江省自然科学基金资助项目;浙江省公益技术应用研究项目

在线出版日期：2020-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共12页

页码：75-86