基于稀疏差分协同进化的多源遥感场景分类攻击

来源：信号处理杂志 2021年第7期北京时间：

作者：徐延杰, 孙浩, 雷琳, 计科峰, 匡纲要

摘要：随着深度学习技术的迅猛发展，各种相似的骨干网络被用于多源遥感分类任务中，取得了很高的识别正确率。然而，由于神经网络极易受到对抗样本的攻击，这给遥感任务带来了很高的安全隐患。以往的对抗攻击方法可有效攻击单波段遥感图像的分类器，但不同波段的攻击并不耦合，这导致现有方法在现实世界中难以用于多源分类器的攻击。针对多源遥感的特性，本文提出了一种新的基于稀疏差分协同进化的对抗攻击方法：投放一定数量包含稀疏多源噪声信息的种子，通过限定噪声点在多源遥感中具有相同位置，实现多源对抗攻击的耦合，按种子信息制作对抗样本，利用上一代的种子（父代）进行变异与交叉，产生新的种子（子代），同样制作对抗样本，综合比较多源对抗样本的攻击效果，保留效果更好的种子，重复此过程，最终可得到高度耦合且攻击效果最好的多源遥感对抗样本。实验证明了本文方法的可行性：在单点攻击下，61.38%的光学图像和38.93%的合成孔径图像被成功转化为对抗样本，光学和合成孔径分类器中都无法正确识别的区域从5.83%升至55.10%。

关键词：多源遥感, 图像分类, 对抗样本, 协同进化