融合风格迁移的对抗样本生成方法

摘要

针对现有面向目标检测的对抗样本生成方法泛化能力弱的问题，提出了一种融合风格迁移的对抗样本生成方法。首先，提出一种新的对抗补丁生成方法，使用风格迁移方法将风格图像不同层次特征提取并融合，生成无明显物体特征且纹理丰富的对抗补丁；然后，利用梯度类激活映射方法生成目标的特征热图，对目标不同区域在目标检测模型中的关键程度进行可视化表示；最后，构建一种热图引导机制，引导对抗补丁在攻击目标的关键位置进行攻击以提高其泛化能力，生成最终对抗样本。在DroNet室外数据集上进行实验，结果表明：针对单阶段目标检测模型YOLOv5生成的对抗样本，采用所提方法计算得到的攻击成功率可达84.07%;应用于攻击两阶段目标检测模型Faster R-CNN时，采用所提方法计算得到的攻击成功率仍保持在67.65%;与现有的主流方法相比，所提方法生成的对抗样本攻击效果较好，且具有良好的泛化能力。

关键词

目标检测 / 对抗样本 / 风格迁移 / 对抗补丁 / 热图引导

基金资助

国家自然科学基金资助项目(62273272,62303375)