【哈工大（深圳）宣】（陈斌 梁俊平/文 陈斌/图）近日，哈工大（深圳）计算机科学与技术学院陈斌助理教授和王轩教授合著的学术论文《Adversarial Examples Generation for Deep Product Quantization Networks on Image Retrieval》被人工智能、模式识别领域国际顶尖期刊《IEEE Transactions on Pattern Analysis and Machine Intelligence》（IEEE TPAMI）接收，陈斌为论文第一作者，哈工大（深圳）计算机科学与技术学院为第一完成单位，合作单位为清华大学深圳国际研究生院。

疫情下戴口罩的人脸匹配、在线购物时的商品匹配……计算机视觉中的图像检索任务如今已经遍布生活方方面面，而检索的准确度和速度很大程度上影响着用户体验。以信息论的量化策略为指导的深度乘积量化网络（DPQN）是当前主流的图像检索算法之一，其速度与准确率表现优秀。然而关于DPQN在对抗攻击下的安全性问题几乎没有任何研究，这为在商业搜索引擎中部署DPQN带来了潜在的安全隐患。

陈斌介绍说，受益于深度学习技术的突破，传统图像检索任务的精度也大幅提升，这进一步加速了基于深度学习的图像检索技术的落地及应用。该论文提出了一种针对图像检索检索系统DPQN的对抗样本生成方法，同时从信息论的角度进一步证明了该生成方式的最优性。大量实验表明，团队提出的方法可以成功创建对抗样本来成功误导目标DPQN，进而为当今主流的图像检索系统提供丰富的安全预案。

据悉，IEEE TPAMI是人工智能、模式识别、计算机视觉领域的国际顶尖期刊，CCF A类期刊，JCR 1区Top期刊，2022年度最新影响因子为16.389，该期刊谷歌指数（H-Index）在计算机科学和工程技术两个大类学科里均列首位（不区分学科总排名70，其中Nature和Science分列第1和第3位）。（编辑 谢梁晖 审核 张惠屏）