对比损失黑盒攻击

VOS模型性能骤降

这种黑盒攻击通过特征空间扰动与像素级损失,诱导自监督视频对象分割模型产生分割错误,无需梯度信息即可有效操纵模型。

陈莹 · 姚睿 · 周勇 · 赵佳琦 · 刘兵 · Saddik, Abdulmotaleb El

ACM Transactions on Multimedia Computing, Communications and Applications 2023

参数信息

J&F 指标下降幅度
50.08 %

技术优势

无需梯度也能攻击

采用迭代黑盒策略,不用访问模型梯度,通过对比损失在特征空间和像素级施加扰动。

多帧信息联合破坏

对比损失同时作用于当前帧、相邻帧和多帧,破坏时序一致性,诱导分割错误。

多种VOS模型通杀

在三种自监督和一种无监督 VOS 模型上均取得显著攻击效果,证明方法通用。

性能暴跌一半

攻击后 J&F 指标最多下降 50.08%,直接摧毁模型的视频对象分割能力。

应用场景