面向自动驾驶的3D高斯基对抗攻击
计算机视觉与模式识别
2025-09-30 v3
摘要
相机-based目标检测系统在自动驾驶中发挥着关键作用，但在真实环境中仍面临来自对抗威胁的脆弱性。现有的2D和3D物理攻击由于侧重于纹理优化，往往难以平衡物理真实性和攻击鲁棒性。本文提出3D高斯基对抗攻击 (3DGAA)，一种新的对抗性对象生成框架，利用3D高斯溅写 (3D Gaussian Splatting, 3DGS) 的完整14维参数化，联合优化几何和外观，以实现可物理实现的方式。不同于依赖贴块或纹理优化的先前方法，3DGAA联合扰动几何属性 (形状、尺度、旋转) 和外观属性 (颜色、不透明度)，以产生物理上真实且可迁移的对抗性对象。我们进一步引入物理过滤模块以过滤异常值以保持几何保真度，并引入物理增强模块以模拟复杂的物理场景以增强在真实条件下的攻击普适性。我们在虚拟基准和物理世界 setup 中使用微型车辆模型评估了3DGAA。实验结果表明，3DGAA将检测mAP从87.21%降至7.38%，显著优于现有的3D物理攻击。此外，我们的方法在不同的物理条件下保持高水平的可迁移性，展示了一种在可物理实现的对抗攻击中达到新的最佳性能的新方法。
引用
@article{arxiv.2507.09993,
title = {3DGAA: Realistic and Robust 3D Gaussian-based Adversarial Attack for Autonomous Driving},
author = {Yixun Zhang and Lizhi Wang and Junjun Zhao and Wending Zhao and Feng Zhou and Yonghao Dang and Jianqin Yin},
journal= {arXiv preprint arXiv:2507.09993},
year = {2025}
}
备注
Submitted to WACV 2026