文摘
深卷积神经网络(DCNNs)被广泛部署在真实世界的场景。然而,DCNNs很容易被敌对的例子,对关键应用的挑战,如车辆分类。为了解决这个问题,我们提出一个新颖的端到端卷积网络联合检测和清除敌对的扰动的去噪(DDAP)。它摆脱对手的扰动使用DDAP降噪基于对抗DDAP探测器发现的例子。该方法可以被看作是一个预处理步骤中,它不需要修改车辆分类模型的结构和不影响分类结果干净的图片。我们考虑四种敌对攻击(FGSM,荡妇,DeepFool PGD)来验证DDAP BIT-Vehicle训练时的能力和其他公共数据集。它提供了比其他先进的防守更好的防御方法。
引用
- [1]
傅,h . y .;h·d·马;王,g . y .;张x m;张,y . f . MCFF-CNN:多尺度综合特性融合卷积神经网络基于剩余的车辆颜色识别学习。Neurocomputing395卷,178 - 187年,2020年。
- [2]
他,k . m .;张x y;任,s .问:;太阳,j .深层残留图像识别的学习。:《IEEE计算机视觉与模式识别会议,770 - 778年,2016年。
- [3]
Szegedy c;Vanhoucke诉;约飞,美国;Shlens, j .;Wojna, z .反思初始架构计算机视觉。:《IEEE计算机视觉与模式识别会议,2818 - 2826年,2016年。
- [4]
哦,m;Cha, b;英国宇航系统公司,即;崔,g;Lim y城市autodriving算法基于sensor-weighted集成领域深入学习。电子产品1号卷。9日,158年,2020年。
- [5]
Ronneberger o .;费舍尔,p;Brox t . U-Net:卷积网络生物医学图像分割。:医学影像计算和计算机辅助干预- MICCAI 2015。课堂讲稿在计算机科学中,卷》9351。布:;Hornegger, j .;井,w;Frangi, Eds。beplay登入施普林格可汗,234 - 241,2015。
- [6]
刘,x c;刘,w;h·d·马;傅,h . y .大型车辆在城市监控视频鉴定。:《IEEE国际多媒体会议和博览会,2016年1 - 6。
- [7]
卓,l;江,l . y .;朱,z .问:;李,j·f·;张,j .;长,h . x车辆分类对大规模交通监控视频使用卷积神经网络。机器视觉和应用程序7号卷28日,793 - 802年,2017年。
- [8]
赢了,m .智能交通监控系统车辆分类:一项调查。IEEE访问8卷,73340 - 73358年,2020年。
- [9]
Kurakin, a;格拉汉姆·古德费勒,即;Bengio,美国对抗的例子在现实世界。arXiv预印本arXiv: 1607.02533, 2016。
- [10]
刘,y;陈,x;刘,c;歌,d .深入研究可转让的敌对的例子和黑盒的攻击。arXiv预印本arXiv: 1611.02770, 2016。
- [11]
Papernot:;麦克丹尼尔,p;Jha,美国;Fredrikson介绍m;侯赛因·z b;偶像,a .深度学习的局限性在敌对的环境中。:《IEEE欧洲Symposiumon安全和隐私,372 - 387年,2016年。
- [12]
卡拉拉,f;Falchi f;Caldelli r;阿马托,g;Fumarola r;Becarelli, r .检测对抗的例子深层神经网络的攻击。:学报》第15届国际研讨会在基于内容的多媒体检索,货号,38岁,2017。
- [13]
郭,f;赵,问:j .;李,x;旷,x h;张,j·w·;汉族,黄懿慧;棕褐色,Y.-A。检测通过对深层神经网络预测影响敌对的例子。信息科学501卷,182 - 192年,2019年。
- [14]
Rakin, a s;粉丝,d . l . Defense-net:抵御各种敌对攻击通过对抗性的探测器。:《IEEE计算机学会学报在VLSI年会,332 - 337年,2019年。
- [15]
廖,f . z;梁,m;盾,y . p .;庞,t;胡,x l .;朱,j .防御敌对攻击使用高标准的表示法引导降噪。:《IEEE计算机视觉与模式识别会议,1778 - 1787年,2018年。
- [16]
穆斯塔法,a;汗,s . h .;是,m;沈,j·b·;邵,l .图像超分辨率作为防御敌对攻击。IEEE图像处理1711 - 1724卷。29日,2020年。
- [17]
普拉卡什,a;莫兰:;加伯,美国;主导,a;仓库保管员,j .检测敌对攻击与像素检测。:《IEEE计算机视觉与模式识别会议,8571 - 8580年,2018年。
- [18]
谢,c·h·;吴,y . x;van der Maaten l;Yuille, a . l .;他,k . m .去噪特性改善敌对的鲁棒性。:《IEEE计算机视觉与模式识别会议,501 - 509年,2019年。
- [19]
Szegedy c;扎,w;Sutskever i;米菲,j .;Erhan d;格拉汉姆·古德费勒,即;费格斯,r .有趣的神经网络的性质。arXiv预印本arXiv: 1312.6199, 2013。
- [20]
格拉汉姆·古德费勒,i . j .;Shlens, j .;Szegedy, c .解释和利用对手的例子。arXiv预印本arXiv: 1412.6572, 2014。
- [21]
Moosavi-Dezfooli, s m;法瓦兹。,a;Frossard p . DeepFool:愚弄深层神经网络简单和准确的方法。:《IEEE计算机视觉与模式识别会议,2574 - 2582年,2016年。
- [22]
Madry, a;Makelov, a;施密特,l;d .齐;Vladu, a向深度学习模型对敌对攻击。arXiv预印本arXiv: 1706.06083, 2017。
- [23]
Metzen, j . h;Genewein t;费舍尔,诉;Bischofi, b .检测敌对的扰动。arXiv预印本arXiv: 1702.04267, 2017。
- [24]
Feinman r;科廷,r . r .;Shintre,美国;加德纳,a . b .敌对的样本检测工件。arXiv预印本arXiv: 1703.00410, 2017。
- [25]
梁,b;李,h . c;苏,m .问:;李x r;施,w . c;Wang x f检测敌对的图像示例深层神经网络与自适应降噪。IEEE可靠和安全的计算1号卷。18日,72 - 85年,2019年。
- [26]
Papernot:;麦克丹尼尔,p;吴,x;Jha,美国;偶像,a .蒸馏作为国防对深层神经网络对抗的扰动。:《IEEE研讨会上的安全与隐私,582 - 597年,2016年。
- [27]
Carlini:;瓦格纳,d .评估神经网络的鲁棒性。:《IEEE研讨会上的安全与隐私,39-57,2017年。
- [28]
Samangouei p;Kabkab m;Chellappa, r . Defense-GAN:保护利用生成模型分类器对对手的攻击。arXiv预印本arXiv: 1805.06605, 2018。
- [29]
LeCun (y;Bottou l;Bengio y;基于Haffner, p .梯度学习应用于文档识别。IEEE学报》第十一卷。86年,2278 - 2324年,1998年。
- [30]
桑塔·g·k;Grnarova, p .利用整个GAN防御对手的攻击。arXiv预印本arXiv: 1805.10652, 2018。
- [31]
霍华德·a·g·;朱,m;陈,b;Kalenichenko d;王,w;韦安德一道,t;Andreetto m;亚当,h。MobileNets:高效的移动视觉应用卷积神经网络。arXiv预印本arXiv: 1704.04861, 2017。
- [32]
文森特,p;Larochelle h;Bengio y;Manzagol, p . a .提取和编写健壮的特性与去噪汽车编码器。:25日,国际会议的程序在机器学习,1096 - 1103年,2008年。
- [33]
张,k;左,w . m .;陈,y . j .;孟,d . y .;张l .除了高斯降噪:残余学习深CNN的图像去噪。IEEE图像处理7号卷。26日,3142 - 3155年,2017年。
- [34]
盾,z;裴,m t;他,y;刘,t;盾,y . m .;贾,y . d .车辆类型分类使用无监督卷积神经网络。:22日国际会议的程序模式识别、172 - 177年,2014年。
- [35]
杨,l . j .;罗,p;阿来,c . c;唐、x o .大规模汽车为细粒度的分类和验证数据集。:《IEEE计算机视觉与模式识别会议,3973 - 3981年,2015年。
- [36]
周,b . l .;科斯拉,a;Lapedriza, a;奥利瓦,a;Torralba, a .学习深度特性区别的本地化。:《IEEE计算机视觉与模式识别会议,2921 - 2929年,2016年。
确认
这项工作是支持部分由中国国家自然科学基金(61872047,61872047),中国国家重点研发项目(2017 yfb1003000),北京新星计划(Z201100006820124),北京市自然科学基金(L191004),和111年的项目(B18008)。
作者信息
从属关系
相应的作者
额外的信息
彭刘是一个硕士学位的学生在计算机科学学院北京邮电大学。他的研究兴趣包括对手的防御和语义分割。
汇源富获得了计算机科学博士学位2014年北京邮电大学。他是一位计算机科学学院副教授,北京邮电大学。他的研究领域包括视觉大数据,机器学习和模式识别、多媒体系统等。他获得了2016年在ICME最佳学生论文奖。
华东马获得了计算机科学博士学位的计算技术研究所,中国科学院(CAS),在1995年,计算机科学硕士学位沈阳计算技术研究所、中科院,1990年,从河南师范大学数学学士学位,中国,1984年。他是一位计算机科学学院教授,北京邮电大学。他的研究兴趣包括多媒体网络和系统、物联网、传感器网络。他已经发表了300多篇论文在这些领域。
权利和权限
开放获取本文是基于知识共享署名4.0国际许可,允许使用、共享、适应、分布和繁殖在任何媒介或格式,只要你给予适当的信贷原始作者(年代)和来源,提供一个链接到创作共用许可证,并指出如果变化。
本文中的图片或其他第三方材料都包含在本文的创作共用许可证,除非另有说明在一个信用额度的材料。如果材料不包括在本文的创作共用许可证和用途是不允许按法定规定或超过允许的使用,您将需要获得直接从版权所有者的许可。
查看本许可证的副本,访问http://creativecommons.org/licenses/by/4.0/。
其他从这个开放获取期刊论文是免费的http://www.beplay登入springer.com/journal/41095。提交一份手稿,请去https://www.editorialmanager.com/cvmj。
关于这篇文章
引用这篇文章
刘,P。,Fu, H. & Ma, H. An end-to-end convolutional network for joint detecting and denoising adversarial perturbations in vehicle classification.Comp。视觉媒体7,217 - 227 (2021)。https://doi.org/10.1007/s41095 - 021 - 0202 - 3
收到了:
接受:
发表:
发行日期:
关键字
- 对抗的防御
- 敌对的检测
- 车辆分类
- 深度学习