计算机科学与探索

作者：徐宇晖, 潘志松, 徐堃

单位：中国人民解放军陆军工程大学 指挥控制工程学院，南京 210000

关键词：深度学习,对抗攻击,可见光图像,红外图像,合成孔径雷达（SAR）图像,对抗样本

深度学习近年来取得了大量突破性进展，基于深度学习的应用也扩展到了越来越多的领域，但由于深度神经网络的脆弱性，在应用过程中极易受到来自对抗样本的威胁，给应用带来了巨大安全问题，因此对抗攻击一直是研究的热门领域。由于深度神经网络在图像任务中被广泛应用，针对图像领域的对抗攻击研究是增强安全性的关键，学界从不同角度对此展开了大量研究。现有的图像攻击研究主要可以分为可见光图像、红外图像以及合成孔径雷达（SAR）图像三种形态的图像攻击。介绍了图像对抗样本的基本概念及对抗样本术语，对三种形态图像的对抗攻击方法根据其攻击思想进行分类总结，并对三种形态图像的攻击方法的攻击成功率（ASR）、所占内存大小、适用场景等进行对比分析。针对目前图像对抗样本领域的防御策略研究做出简要的介绍，主要针对目前已有的三类防御方法进行总结。对现有的针对图像对抗样本的研究现状进行了分析，对未来图像领域中的对抗攻击可能研究方向进行了展望，对未来可能面临的四种问题进行了总结并给出对应的解决方案。

来源：2024年第12期

《计算机科学与探索》期刊编辑部

查看计算机科学与探索杂志2024年第12期