.png){kind=icon}
返回
Distillation-Based Cross-Model Transferable Adversarial Attack for Remote Sensing Image Classification
.png){kind=icon}
OA
AI
DOI：10.3390/rs17101700.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
深度神经网络在遥感图像（RSI）分类任务中取得了卓越的性能。然而，它们仍然容易受到对抗性攻击。在实际应用中，分类模型通常是未知的黑盒模型，需要使用替代模型来生成对抗样本。基于特征攻击是一种旨在利用替代模型中中间特征重要性的常用策略，以增强对抗性迁移能力。现有的基于特征攻击通常依赖于单个替代模型，导致生成的对抗样本在不同架构（如Transformer、Mamba和CNNs）之间的迁移能力较差。在本文中，我们提出了一种高迁移性的基于特征攻击方法DMFAA（基于特征对抗攻击的蒸馏模型），专门针对RSI分类任务。DMFAA框架使替代模型能够从Mamba中学习知识，从而在不同模型架构中实现增强的黑盒攻击性能。该方法包括两个阶段：基于蒸馏的替代模型训练阶段和基于特征的对抗攻击阶段。在训练阶段，DMFAA从Mamba中蒸馏特征以训练替代模型，确保其在保留自身结构的同时融入其他模型的特征。在攻击阶段，我们通过频域变换和白盒攻击计算浅层特征的聚合梯度，同时使用针对RSI的输入变换。在AID、UC和NWPU数据集上的实验证明了DMFAA的有效性，其显著优于现有的对抗攻击方法。DMFAA攻击在AID、UC和NWPU数据集上的平均成功率分别比当前最优的黑盒攻击高出3%以上、7%和13%，同时保持了较高的白盒攻击成功率。
Keyword:
adversarial examples
remote sensing image
deep neural network
scene classification
期刊
IF:
4.1
论文数:
7.4K
被引数:
15.1W
机构
暂无机构信息
引用论文
Transferable Targeted Adversarial Attack on Synthetic Aperture Radar (SAR) Image Recognition可迁移的针对合成孔径雷达（SAR）图像识别的对抗攻击.png)
REMOTE SENSINGOAAI
REMOTE SENSINGIF4.1
OAAI分享收藏Transferable Adversarial Attacks for Remote Sensing Object Recognition via Spatial-Frequency Co-Transformation基于空间-频率共变换的遥感目标识别可转移对抗攻击
PREAI
分享收藏Enhancing Adversarial Transferability on Vision Transformer by Permutation-Invariant Attacks通过排列不变攻击增强Vision Transformer的对抗迁移性
PREAI
分享收藏
查看更多内容