.png){kind=icon}
返回
Position-Aware Stamp-Like Adversarial Attack for Document Classification
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-04627-7_17.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
对抗攻击方法涉及对图像进行微小但经过精心设计的修改，以误导模型的自动分类器。许多现有的对抗攻击方法引入了不自然的改动[15, 29]，如果此类补丁包含在文档中，可能会使文档显得可疑。相比之下，本文研究了一种更自然且不易察觉的方法，使用类似印章的对抗性补丁，这些补丁类似于真实文档元素，同时有效破坏分类精度。为系统评估这些对抗性印章的有效性，我们在广泛用于文档分类的RVL-CDIP数据集上进行了大量实验。我们分析了包括颜色、大小、形状以及最重要的是位置在内的各种补丁属性对攻击成功率的影响。我们的研究表明，放置位置在最大化攻击效果中起着关键作用，因为文档上的不同位置会导致分类器性能下降。为优化对抗性补丁及其位置，我们引入了一个迭代训练流程，动态优化文档中最具破坏性的位置。结果表明，类似印章的对抗性补丁能有效攻击文档分类器，揭示其脆弱性。位置良好的印章进一步降低了分类精度，突显了位置优化的影响。这些发现强调了位置感知对抗攻击的重要性，并为优化其设计提供了见解。论文一旦被接受，我们将公开代码。
Keyword:
Adversarial Stamp
Position Optimized
Document Classification
期刊
D
IF:
0
论文数:
32
被引数:
0
机构
引用论文
分享收藏分享收藏Architecture-Agnostic Iterative Black-Box Certified Defense Against Adversarial Patches.png)
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ICASSP 2024 - 2024 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
PREAI
分享收藏分享收藏分享收藏
查看更多内容