利用 Deep Image Prior 合成鲁棒对抗视觉样本
Robust Synthesis of Adversarial Visual Examples Using a Deep Image Prior
AI 导读
研究者提出基于深度图像先验（Deep Image Prior, DIP）的方法，可合成对仿射形变更鲁棒、视觉上不可察觉的对抗图像样本。传统对抗扰动依赖易被后续数字操作破坏的高频噪声；该方法在对抗约束下用卷积网络重建图像来生成扰动，还可扩展生成局部对抗贴纸（adversarial stickers）。作者在来自 ImageNet 的广泛图像和物体类别上演示了这类鲁棒对抗样本。