感知自适应对抗扰动

不可见性提升

将恰可察觉差（JND）先验引入对抗攻击，把扰动投射到人眼不敏感区域，在不牺牲攻击能力的前提下显著提升对抗样本自然度。

Zhang, Yaoyuan · 谭毓安 · Sun, Haipeng · Zhao, Yuhang · Quanxing, Zhang · 李元章

Information Sciences 2023

参数信息

LPIPS 降低幅度

8 %

技术优势

不牺牲攻击性

通过视觉系数调节，在提升自然度的同时保持对抗样本的迁移性和攻击成功率。

兼容黑盒攻击

可与现有黑盒攻击方法结合，在不改变攻击框架的情况下提升对抗样本自然度。

应用场景

• 对抗攻击：提供天然不易被察觉的攻击样本，用于攻防演练和安全性测试。
• 模型鲁棒性评估：可生成更逼真的对抗样本，全面检验模型在感知域下的鲁棒性。
• 感知安全：衡量对抗样本对视觉系统的影响，提升安全测试中的人眼不可见性。