Adversarial patch attack against image classification deep neural networks (DNNs), in which the attacker can inject arbitrary distortions within a bounded region of an image, is able to generate adversarial perturbations that are robust (i.e., remain adversarial in physical world) and universal (i.e., remain adversarial on any input). It is thus important to detect and mitigate such attack to ensure the security of DNNs. This work proposes Jujutsu, a technique to detect and mitigate robust and universal adversarial patch attack. Jujutsu leverages the universal property of the patch attack for detection. It uses explainable AI technique to identify suspicious features that are potentially malicious, and verify their maliciousness by transplanting the suspicious features to new images. An adversarial patch continues to exhibit the malicious behavior on the new images and thus can be detected based on prediction consistency. Jujutsu leverages the localized nature of the patch attack for mitigation, by randomly masking the suspicious features to "remove" adversarial perturbations. However, the network might fail to classify the images as some of the contents are removed (masked). Therefore, Jujutsu uses image inpainting for synthesizing alternative contents from the pixels that are masked, which can reconstruct the "clean" image for correct prediction. We evaluate Jujutsu on five DNNs on two datasets, and show that Jujutsu achieves superior performance and significantly outperforms existing techniques. Jujutsu can further defend against various variants of the basic attack, including 1) physical-world attack; 2) attacks that target diverse classes; 3) attacks that use patches in different shapes and 4) adaptive attacks.


翻译:攻击者可以对图像分类深度神经网(DNNS)进行反向补丁攻击,通过这种攻击,攻击者可以在图像的封闭区域中输入任意扭曲,能够产生强势(即在物理世界中保持对立)和普遍性(即在任何输入上保持对立)的对抗性扰动。因此,必须发现和减轻这种攻击,以确保DNNS的安全。这项工作提议了Jujutsu,这是一种探测和减轻强力和普遍对抗性补丁攻击的技术。Jujutssu利用补丁攻击的普遍属性进行检测。它使用可解释的AI技术,查明可能具有恶意性的物理特征,并通过将可疑特征移植到新的图像中来核查其恶意性。一个对抗性补丁继续显示新图像上的恶意行为,从而可以根据预测一致性来检测。Jujutsix利用补丁攻击的局部性来缓解。通过随机掩蔽可疑特征来“再移动”对抗性对质性攻击进行防御。Jujutsuesu攻击的通用性能特性用于探测。但是,网络可能无法将图像归类为可能具有潜在的可疑性的反向目标特征的特性,包括软性攻击的变变变变变变变变, 。

0
下载
关闭预览

相关内容

【Cell】神经算法推理,Neural algorithmic reasoning
专知会员服务
28+阅读 · 2021年7月16日
【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
48+阅读 · 2020年7月4日
Yoshua Bengio,使算法知道“为什么”
专知会员服务
7+阅读 · 2019年10月10日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
7+阅读 · 2019年3月28日
时序数据异常检测工具/数据集大列表
极市平台
65+阅读 · 2019年2月23日
图像分类论文与代码大列表
专知
6+阅读 · 2019年2月16日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Arxiv
0+阅读 · 2021年10月11日
Deflecting Adversarial Attacks
Arxiv
8+阅读 · 2020年2月18日
Adversarial Metric Attack for Person Re-identification
VIP会员
相关VIP内容
【Cell】神经算法推理,Neural algorithmic reasoning
专知会员服务
28+阅读 · 2021年7月16日
【Google】平滑对抗训练,Smooth Adversarial Training
专知会员服务
48+阅读 · 2020年7月4日
Yoshua Bengio,使算法知道“为什么”
专知会员服务
7+阅读 · 2019年10月10日
相关资讯
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
已删除
将门创投
7+阅读 · 2019年3月28日
时序数据异常检测工具/数据集大列表
极市平台
65+阅读 · 2019年2月23日
图像分类论文与代码大列表
专知
6+阅读 · 2019年2月16日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Top
微信扫码咨询专知VIP会员