车牌识别系统的黑盒对抗攻击OA北大核心CSCDCSTPCD
Black-box Adversarial Attack on License Plate Recognition System
深度神经网络(Deep neural network,DNN)作为最常用的深度学习方法之一,广泛应用于各个领域.然而,DNN容易受到对抗攻击的威胁,因此通过对抗攻击来检测应用系统中DNN的漏洞至关重要.针对车牌识别系统进行漏洞检测,在完全未知模型内部结构信息的前提下展开黑盒攻击,发现商用车牌识别系统存在安全漏洞.提出基于精英策略的非支配排序遗传算法(NSGA-II)的车牌识别黑盒攻击方法,仅获得输出类标及对应置信度,即可产生对环境变化较为鲁棒的对…查看全部>>
陈晋音;沈诗婧;苏蒙蒙;郑海斌;熊晖
浙江工业大学信息工程学院 杭州310023浙江工业大学信息工程学院 杭州310023浙江工业大学信息工程学院 杭州310023浙江工业大学信息工程学院 杭州310023浙江工业大学信息工程学院 杭州310023
深度学习车牌识别对抗攻击黑盒攻击物理攻击
《自动化学报》 2021 (1)
基于神经通路的深度学习模型可解释对抗攻防研究
121-135,15
国家自然科学基金(62072406),浙江省自然科学基金(LY19F020025),宁波市"科技创新2025"重大专项 (2018B10063)资助
评论