當前,人工智能技術已經(jīng)被應用于監(jiān)控攝像頭中,出現(xiàn)在交通、安防、零售、社區(qū)等多個場景。而對抗性樣本有可能欺騙神經(jīng)網(wǎng)絡,導致其產(chǎn)生錯誤的輸出。
近日,來自比利時魯汶大學的研究人員,在預印本平臺(arXiv.org)上分享的一篇論文中,研究人員展示了簡單的印刷圖案如何能夠欺騙一個用來識別圖像中人物的人工智能系統(tǒng)。
研究人員打印出特別設計的彩色圖片并掛在脖子上,從人工智能的角度來看,這可能相當于“隱形斗篷”,也就是說,人工智能檢測不出右邊的人。
正如研究人員寫道:“我們相信,如果我們將這項技術與復雜的服裝模擬技術相結合,就可以設計出一種T恤印花,它可以讓一個人在自動監(jiān)控攝像頭下幾乎隱形?!?/p>
這可能看起來很奇怪,但實際上是人工智能世界中一個眾所周知的現(xiàn)象。這些類型的模式被稱為對抗性樣本,它們利用計算機視覺系統(tǒng)的缺陷來誘騙它們看到不存在的東西。
在過去,對抗性樣本被用來欺騙面部識別系統(tǒng)。許多研究人員警告說,對抗性的例子具有潛在的危險性。例如,它們可以用來欺騙自動駕駛汽車,將停車標志當成路燈柱,或者它們可以欺騙旨在識別疾病的醫(yī)學人工智能視覺系統(tǒng),這可能是為了醫(yī)療欺詐,甚至是故意造成傷害。
如何對對抗性樣本進行有效的防御是很多學者的重要研究課題。不過,到目前為止,研究人員尚未找到針對對抗樣本的最佳防御策略,希望在不久之后,該研究領域會出現(xiàn)突破性的進展。
-
人工智能
+關注
關注
1819文章
50136瀏覽量
265779
發(fā)布評論請先 登錄
神經(jīng)網(wǎng)絡的初步認識
NMSIS神經(jīng)網(wǎng)絡庫使用介紹
在Ubuntu20.04系統(tǒng)中訓練神經(jīng)網(wǎng)絡模型的一些經(jīng)驗
CICC2033神經(jīng)網(wǎng)絡部署相關操作
人工智能工程師高頻面試題匯總:循環(huán)神經(jīng)網(wǎng)絡篇(題目+答案)
液態(tài)神經(jīng)網(wǎng)絡(LNN):時間連續(xù)性與動態(tài)適應性的神經(jīng)網(wǎng)絡
神經(jīng)網(wǎng)絡的并行計算與加速技術
利用超微型 Neuton ML 模型解鎖 SoC 邊緣人工智能
卷積神經(jīng)網(wǎng)絡如何監(jiān)測皮帶堵料情況 #人工智能
無刷電機小波神經(jīng)網(wǎng)絡轉子位置檢測方法的研究
AI神經(jīng)網(wǎng)絡降噪算法在語音通話產(chǎn)品中的應用優(yōu)勢與前景分析
MAX78000采用超低功耗卷積神經(jīng)網(wǎng)絡加速度計的人工智能微控制器技術手冊
MAX78002帶有低功耗卷積神經(jīng)網(wǎng)絡加速器的人工智能微控制器技術手冊
人工智能有可能欺騙神經(jīng)網(wǎng)絡 導致其產(chǎn)生錯誤輸出
評論