3D高斯泼漏的漏洞
密码学与安全
2025-06-03 v1 计算机视觉与模式识别
机器学习
摘要
随着3D高斯泼漏(3DGS)在安全关键应用中的使用日益增多，攻击者如何操纵场景以造成危害？我们引入了CLOAK，这是首个利用视角依赖的高斯外观——即随视角改变的颜色和纹理——来嵌入仅从特定视角可见的对抗内容的攻击方法。我们进一步展示了DAGGER，这是一种直接扰动3D高斯而无需访问底层训练数据的定向对抗攻击，通过投影梯度下降等已有方法欺骗多阶段目标检测器（例如Faster R-CNN）。这些攻击凸显了3DGS中尚未充分探索的漏洞，为自主导航的机器人学习及其他安全关键的3DGS应用引入了新的潜在威胁。
引用
@article{arxiv.2506.00280,
title = {3D Gaussian Splat Vulnerabilities},
author = {Matthew Hull and Haoyang Yang and Pratham Mehta and Mansi Phute and Aeree Cho and Haoran Wang and Matthew Lau and Wenke Lee and Willian T. Lunardi and Martin Andreoni and Polo Chau},
journal= {arXiv preprint arXiv:2506.00280},
year = {2025}
}
备注
4 pages, 4 figures, CVPR '25 Workshop on Neural Fields Beyond Conventional Cameras