穿上这件全球首款「隐形衣」,做这条街最「无脸」的仔;阿里给钱给资源,求解AI安全难题

2020 年 7 月 19 日 量子位
金磊 发自 凹非寺
量子位 报道 | 公众号 QbitAI

真的存在「隐形衣」吗?

人脸识别无处不在的今天,这个倒是可以有。

只要穿上这么一件T恤,就能骗过人脸识别AI,从而达到「隐身」效果。

这就是由美国东北大学和MIT等研究机构,共同提出的Adversarial T-shirt——基于对抗样本的T恤衫。

据研究人员介绍,这是全球首个在非刚性物体(如T恤)上,进行的物理对抗性实例。

也就是说,在被AI检测过程中,无论衣服发生任何褶皱或变形,都能达到「隐身」效果。

并且,这项研究已经入选计算机视觉顶级会议 ECCV 2020 的焦点论文(SpotlightPaper)。

而这,也引发了人们对人工智能时代下,安全隐患的思考。

T恤上的「印花」就能愚弄AI

其实,达到所谓的「隐身」效果,其实就是愚弄AI的「视觉系统」。

这项研究也一定程度说明,目前所谓比较成熟的计算机视觉技术,具有一定的脆弱性。

例如,目前很多公司上班打卡都是通过人脸认证,但若是哪天穿了这种具有「对抗性」的T恤,迟迟打不上卡……

嗯,那种焦灼痛苦,你品,你细品。

那么,这款T恤的隐形效果到底是如何实现的呢?

这里所涉及到的关键技术就是对抗攻击 (Adversarial Attack),目的就是让AI模型做出误判。

研究人员设计这款「隐形衣」的过程中,主要分为三个步骤:

  • 首先,让实验人员穿着印有棋盘图案的T恤走动并录视频,将视频中的帧作为训练数据。

  • 其次,将通用的对抗性扰动应用于布料区域。

  • 最后,优化对抗性扰动,优化过程通过反向传播,作为一个闭环而进行。

这个过程中,一个关键因素就是解决T恤因褶皱、变形,所导致的降低攻击成率问题。

对此,研究人员提出了一种叫做TPS (Thin Plate Spline变化的方法,来模拟衣服褶皱的情况。

然后将得到的TPS变化,融入到 EOT (Expectation over Transformation)算法中,这样就可以在现实世界的非刚性物体上,生成对抗样本。

再从定量分析的角度来看,研究人员提出的方法,在Faster R-CNN和YOLOv2模型上的攻击成功率,分别达到了61%和74%。

但也正如研究人员所说:

这个攻击方法并不是完美的。

如下图所示,方法对于角度和距离还是比较敏感的——较大的变形角度、较远的距离,都会让攻击成功率下降。

全球首个针对目标检测算法的对抗攻击竞赛

从这样的一件T恤中,我们可以发现,AI模型还是比较脆弱的。

或许在我们人类眼中,轻微的图像扰动并不会造成失误判断,但对于AI模型来说却不是如此。

安全,向来是个不可忽视,且需要持续关注的问题,新鲜的血液和思想的碰撞必不可少。

像穿了一件具有「对抗性」图案的T恤,就识别不出人脸,打不上卡这种事情,也会对我们的日常生活造成困扰。

为了抵御未来AI面临的安全风险,阿里安全携手清华大学,联合举办安全AI挑战者计划

以对抗样本为核心,提供场景、技术、数据、算力等支持,召集“挑战者”以防守者的身份,共同打磨AI模型安全;为广大安全爱好者提供数字基建安全的试炼场,在高难度的真实环境中提升技术,培养真正有安全实战能力的安全基建人才。

2019年8月-2020年3月,挑战者计划第一季成功举办第一期人脸对抗识别比赛、第二期ImageNet图像对抗比赛、第三期辱骂场景文本对抗比赛。

共吸引了全球200多所高校100多家企业的近4000支队伍参加。

挑战者计划去年重在算法领域深耕,今年在赛题设计上致力于实现 AI 算法和网络安全的融合,旨在打破行业机器学习 / 深度学习一家独大的情况,引领 AI 技术在落地时一定程度上结合传统技术,运用多种技术组合解决业务问题,更好地抵御深度学习时代的安全问题。

并且,挑战者计划第二季第四期已启动!详情如下。

第四期题目价值

阿里安全举办了全球首个结合黑盒白盒场景,针对多种目标检测模型的对抗攻击竞赛。

比赛采用COCO数据集,其中包含20类物体。

比赛任务是通过向原始图像中添加对抗补丁(adversarial patch)的方式,使得典型的目标检测模型不能够检测到图像中的物体,绕过目标定位。

为了更好的评价选手的攻击效果,阿里安全创造了全新的得分计算准则——除了加入攻击成功率之外,还对添加补丁的数量和大小进行了约束。

选手添加的补丁数量、修改的像素和模型识别到的包围盒越少,则代表攻击更加成功,得分则越高。

此外,为了保证比赛的难度,阿里安全选取了4个近期的SOTA检测模型作为攻击目标,包括两个白盒模型——YOLO v4和Faster RCNN和另外两个未知的黑盒模型。

赛程安排

双周榜-算力自由

为满足选手因疫情在家服务器短缺的痛点,特发起「挑战者服务器免费送」活动。

  • 玩法:每两周公布一次排行榜(8月3日、8月17日、8月31日),TOP 6队伍将获得1000元的阿里云服务器代金券,可兑换购买任意服务器。

  • 规则:共三轮双周榜,TOP 6队伍如有重复,则顺延1000元服务器名额(为保证更多同学享受算力自由);作为心灵慰藉,重复的队伍将收到200元天猫超市购物卡。

  • 产品可选择按量和包月,具体可自由选择。

激励设置

挑战者计划第二季总奖金池为200万元,本期总奖金为68000元,此外还有近10万的奖品福利:

  • 奇思妙想奖:阿里巴巴20周年限定勋章礼盒(奖励给思路有创意的同学,上不设限

  • 荣誉证书:前十名队伍和奇思妙想奖,每位同学都将获得阿里和清华共同颁发的顶级证书

  • 线下颁奖:优秀队伍将受邀参加10月的CIKM会议,并在国际舞台担任speaker分享思路

  • 绿色通道:总成绩排名Top20的队伍,可获得阿里安全校招绿色通道

  • Pioneering Award奖:通过比赛发表高水平学术论文,前两位获得1万元奖励

  • 线下特训营:Top20选手将获得差旅全包到阿里安全总部的游学机会

  • 比赛潮物福利:限定潮T、手工黄铜酒杯、清新茶具、洋气香薰机、纯牛皮精英书包等

  • 邀请好友奖:邀请对应数量的同学报名比赛,将获得59-759元的精致礼物。具体玩法请到比赛官网了解(点击底部阅读原文)

如此有趣、刺激的挑战,还有这么丰厚的奖励,你有心动吗?

本文系网易新闻•网易号特色内容激励计划签约账号【量子位】原创内容,未经账号授权,禁止随意转载。


量子位 QbitAI · 头条号签约作者


վ'ᴗ' ի 追踪AI技术和产品新动态


喜欢就点「在看」吧 !



登录查看更多
0

相关内容

【ECCV2020-华为】车道线架构搜索框架
专知会员服务
22+阅读 · 2020年9月23日
对抗样本生成技术综述
专知会员服务
63+阅读 · 2020年7月21日
最新《自然场景中文本检测与识别》综述论文,26页pdf
专知会员服务
69+阅读 · 2020年6月10日
人机对抗智能技术
专知会员服务
201+阅读 · 2020年5月3日
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9日
一文综述人脸检测算法(附资源)
数据派THU
7+阅读 · 2018年5月8日
在单机上快速、精确的100000类别的检测
计算机视觉战队
3+阅读 · 2017年11月22日
谷歌的AI将乌龟认成步枪,这为何是个大问题
硅谷第一线
3+阅读 · 2017年11月22日
Arxiv
14+阅读 · 2020年9月1日
Fashion Meets Computer Vision: A Survey
Arxiv
5+阅读 · 2020年3月31日
Deflecting Adversarial Attacks
Arxiv
8+阅读 · 2020年2月18日
Metrics for Explainable AI: Challenges and Prospects
Arxiv
4+阅读 · 2018年12月11日
Auto-Context R-CNN
Arxiv
4+阅读 · 2018年7月8日
Arxiv
7+阅读 · 2018年3月22日
Arxiv
8+阅读 · 2018年2月23日
VIP会员
相关资讯
无人驾驶仿真软件
智能交通技术
21+阅读 · 2019年5月9日
一文综述人脸检测算法(附资源)
数据派THU
7+阅读 · 2018年5月8日
在单机上快速、精确的100000类别的检测
计算机视觉战队
3+阅读 · 2017年11月22日
谷歌的AI将乌龟认成步枪,这为何是个大问题
硅谷第一线
3+阅读 · 2017年11月22日
相关论文
Arxiv
14+阅读 · 2020年9月1日
Fashion Meets Computer Vision: A Survey
Arxiv
5+阅读 · 2020年3月31日
Deflecting Adversarial Attacks
Arxiv
8+阅读 · 2020年2月18日
Metrics for Explainable AI: Challenges and Prospects
Arxiv
4+阅读 · 2018年12月11日
Auto-Context R-CNN
Arxiv
4+阅读 · 2018年7月8日
Arxiv
7+阅读 · 2018年3月22日
Arxiv
8+阅读 · 2018年2月23日
Top
微信扫码咨询专知VIP会员