该文首次揭露了对抗样本生成过程中的像素符号震荡现象,并提出了一种黑盒背景下的攻击算法Gradient Relevance Attack(GRA)。该方法结合代理模型梯度的关联性来寻找更泛化的对抗样本更新方向,并提出了衰减指示器来应对像素符号震荡的现象,大幅提升了对抗样本的迁移性。实验结果显示,该攻击方法在通用基准ILSVRC 2012验证数据集上实现了目前最高的攻击成功率,并在百度云与腾讯云分类器上分别获得64.8%和68.7%的攻击成功率,揭示了当前深度学习分类模型的脆弱性。

朱和贵副教授主要从事图像处理与计算机视觉、大数据统计建模、深度学习安全领域研究,作为项目负责人主持国家重点研发计划科技部重大专项子课题、中国博士后面上基金、辽宁省自然科学基金、企事业单位等项目多项。在国内外重要学术期刊Expert Systems With Applications、Applied Soft Computing、Applied Mathematical Modelling、 Nonlinear Dynamics, Neurocomputing、Mathmaticas and Computers in Simulation、Computers &Security等国内外杂志发表高水平论文40余篇。获得国家自然科学基金委信息学部主办的“眼神杯”遥感影像稀疏表征与智能处理算法大赛三等奖、沈阳市优秀研究生导师、东北大学“德育双馨”优秀班导师,东北大学学生创新创业活动优秀指导教师等荣誉或奖励。
据悉,ICCV是由国际计算机视觉基金会(International Computer Vision Foundation,简称ICVF)主办的计算机视觉领域顶级会议(CCF A类),每两年举办一次。该会议汇集了来自全球各地的****、研究人员和工业界专业人士,共同探讨计算机视觉领域的最新研究成果和技术进展,ICCV 2023是第19届国际计算机视觉会议,将于10月2—6日在法国巴黎举办。根据最新的Google Scholar Citation最新统计,ICCV的H5 index为239,在“计算机视觉与模式识别”领域所有会议与期刊中排名第二。