ColorFool: Semantic Adversarial Colorization

不念不忘少年蓝@ 2023-01-13 08:51 71阅读 0赞

## ColorFool: Semantic Adversarial Colorization ##

### 文章目录 ###

*   *  ColorFool: Semantic Adversarial Colorization
     *  问题
     *  之前的攻击方法
     *   *   *  BigAdv:
             *  SemanticAdv:
     *  ColorFool

`论文收录于CVPR 2020`

## 问题 ##

作者将对抗扰动分为 restricted 和 unrestricted

*  restricted 是指通过 Lp 范式控制扰动的大小。这种攻击方式对去噪滤波器、对抗训练等防御并不健壮,因为这种扰动通常具有高的空间频率(spatial frequencies)，容易被检测到。
 *  unrestricted 并不控制扰动的大小，对防御具有健壮性，且生成的对抗样本更具有迁移性。但是也更容易被人眼识别。

所以，作者提出了一种基于内容的、unrestricted的黑盒攻击方法，通过语义分割技术将图片分为人眼敏感区域和不敏感区域，有选择地修改区域内的颜色

## 之前的攻击方法 ##

#### BigAdv: ####

#### SemanticAdv: ####

unrestricted、black-box attack 改变HSV颜色空间中的颜色，且只改变H和S通道。  
该方法的问题是对所有区域都添加扰动，所以会产生一些对人眼来说不自然的颜色。

*  HSV：
    
     *  `H: hue 色调`
     *  `S: saturation 饱和度`
     *  `V: value 值`

## ColorFool ##

1、作者使用的颜色形式不是RGB，而是Lab，且只在a、b通道上添加扰动。生成的对抗样本与干净样本的大小一致。

*  Lab：
    
     *  `a ranges from green(-128) to red (+127)`
     *  `b ranges from blue(-128) to yellow(+127)`
     *  `L ranges from black(0) to white(100)`

2、作者定义四种人眼对颜色敏感的区域，在敏感区域上添加的扰动为了符合人眼自然视觉感知，添加的扰动是有条件的，如下表  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzM2MDU5NjUz_size_16_color_FFFFFF_t_70]

*  S1: 人 person 人不进行扰动
 *  S2: 天空 sky
 *  S3: 植被 vegetation(e.g. grass and tree)
 *  S4: 水 water(e.g. sea, river, waterfall, swimming pool and lake)

3、方法步骤

1）图片通过训练好的语义分割模型，得到敏感区域和不敏感区域

2）敏感区域 S = \{Sk:Sk= γ \\gamma γ(Sk) +  α \\alpha α\[0, Nak, Nbk\]T\}Sk=1

γ \\gamma γ(.)将RGB图像转换成Lab， Nak, Nbk是添加在a， b通道上的扰动，扰动范围如上表所示。为了避免第一次迭代在原样本上增加太大的扰动，令 α \\alpha α =  n N \\frac\{n\}\{N\} Nn,其中N代表总的迭代次数，n代表当前迭代次数。

3）不敏感区域  S ‾ \\overline\{S\} S = \{  S ‾ \\overline\{S\} Sk:  S ‾ \\overline\{S\} Sk= γ \\gamma γ( S ‾ \\overline\{S\} Sk) +  α \\alpha α\[0,  N ‾ \\overline\{N\} Na,  N ‾ \\overline\{N\} Nb\]T\} S ‾ \\overline\{S\} Sk=1

N ‾ \\overline\{N\} Na ∈ \\in ∈\{-127, … , 128\}

N ‾ \\overline\{N\} Nb ∈ \\in ∈\{-127, … , 128\}

4)生成对抗样本

X = Q( γ \\gamma γ\-1( ∑ k = 1 S \\sum\_\{k=1\}^S ∑k=1SSk \+  ∑ k = 1 S ‾ \\sum\_\{k=1\}^\{\\overline\{S\}\} ∑k=1S  S ‾ \\overline\{S\} Sk))

γ \\gamma γ\-1（·）将Lab图片转换为RGB，Q（·）是量化函数（quantization function），确保生成的扰动样本的像素在合理范围内。

4、实验

作者从成功率SR、鲁棒性Robustness to defenses、生成图片质量Quality等方面进行了实验，  
实验表明，ColorFool在攻击强度、鲁棒性、迁移性、人眼不易察觉等方面都表现出色。

5、不足

文中敏感区域是自己定的，且种类局限，并不适用于所有的情况

[code][] https://github.com/smartcameras/ColorFool

[paper][] https://arxiv.org/abs/1911.10891

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzM2MDU5NjUz_size_16_color_FFFFFF_t_70]: /images/20221022/201ad4b6ecb048d098bac13c3b8dcf6e.png
[code]: https://github.com/smartcameras/ColorFool
[paper]: https://arxiv.org/abs/1911.10891