-
题名基于多视图网络三维形状检索的通用扰动攻击
被引量：1
- 1
-
-
作者
唐静
彭伟龙
唐可可
方美娥
-
机构
广州大学计算机科学与网络工程学院
-
出处
《图学学报》
CSCD
北大核心
2022年第1期93-100,共8页
-
基金
国家自然科学基金项目(62072126,61772164)
广州市科技计划项目(202002030263,202102010419),广州大学校内科研人才培育项目(XJ2021001901)。
-
文摘
几何深度学习模型在三维形状检索任务中已应用,其安全评估工作也引起了研究者们的关注。该文针对三维形状检索评估提出一种基于多视图通用扰动攻击(MvUPA)的对抗攻击方法,其具有高成功率的攻击效果。首先设计多视角深度全景图检索模型,训练适用于视图类三维形状检索的高效嵌入向量;其次,为三维形状检索提出有益于通用扰动更新的损失函数方案和攻击机制。该损失函数方案同时融合了三元损失和标签损失,提升了对相近拓扑异类样本和差异拓扑同类样本的对抗扰动生成。通过实验验证了MvUPA在多个视图类检索模型上攻击的有效性和稳定性,攻击指标下降率(DR)最高达94.52%;融合损失函数相比单个损失函数DR指标提高约3.0%~5.5%。
-
关键词
三维形状检索
多视图通用扰动攻击
通用扰动攻击
几何深度学习
融合损失
-
Keywords
3D shape retrieval
multi-view universal perturbation attack
universal perturbation attack
geometric deep learning
fusion loss
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
