Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > eess > arXiv:1911.02360

帮助 | 高级搜索

电气工程与系统科学 > 图像与视频处理

arXiv:1911.02360 (eess)
[提交于 2019年11月6日 (v1) ,最后修订 2021年5月25日 (此版本, v7)]

标题: 基于可逆图像变换的可逆对抗攻击

标题: Reversible Adversarial Attack based on Reversible Image Transformation

Authors:Zhaoxia Yin, Hua Wang, Li Chen, Jie Wang, Weiming Zhang
摘要: 为了防止图像数据(如人脸)的非法或未经授权的访问,并确保合法用户可以使用授权保护的数据,可逆对抗攻击技术正在兴起。 可逆对抗样本(RAE)同时具备攻击能力和可逆性。 然而,由于当对抗扰动较强时会出现严重的失真和图像恢复失败,现有的技术无法满足应用需求。 在本文中,我们利用可逆图像变换技术生成RAE并实现可逆对抗攻击。 实验结果表明,所提出的RAE生成方案可以确保不可察觉的图像失真,并且原始图像可以无误差地重建。 此外,攻击能力和图像质量不受扰动幅度的限制。
摘要: In order to prevent illegal or unauthorized access of image data such as human faces and ensure legitimate users can use authorization-protected data, reversible adversarial attack technique is rise. Reversible adversarial examples (RAE) get both attack capability and reversibility at the same time. However, the existing technique can not meet application requirements because of serious distortion and failure of image recovery when adversarial perturbations get strong. In this paper, we take advantage of Reversible Image Transformation technique to generate RAE and achieve reversible adversarial attack. Experimental results show that proposed RAE generation scheme can ensure imperceptible image distortion and the original image can be reconstructed error-free. What's more, both the attack ability and the image quality are not limited by the perturbation amplitude.
评论: 2021年深度学习安全与安保国际研讨会
主题: 图像与视频处理 (eess.IV) ; 计算机视觉与模式识别 (cs.CV); 多媒体 (cs.MM)
引用方式: arXiv:1911.02360 [eess.IV]
  (或者 arXiv:1911.02360v7 [eess.IV] 对于此版本)
  https://doi.org/10.48550/arXiv.1911.02360
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Zhaoxia Yin [查看电子邮件]
[v1] 星期三, 2019 年 11 月 6 日 13:15:32 UTC (1,369 KB)
[v2] 星期二, 2019 年 11 月 19 日 12:04:48 UTC (1 KB)
[v3] 星期四, 2019 年 12 月 5 日 14:21:11 UTC (2,198 KB)
[v4] 星期日, 2020 年 5 月 10 日 15:49:06 UTC (1,855 KB)
[v5] 星期二, 2021 年 3 月 9 日 07:55:50 UTC (1,782 KB)
[v6] 星期三, 2021 年 5 月 12 日 05:55:19 UTC (906 KB)
[v7] 星期二, 2021 年 5 月 25 日 15:11:06 UTC (906 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2019-11
切换浏览方式为:
cs
cs.CV
cs.MM
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号