一种针对三维点云分类器的后门攻击
密码学与安全
2021-04-14 v1
摘要
由于三维传感器在安全关键应用中的普及，三维点云（PC）分类器的脆弱性已成为严重关切。现有针对三维 PC 分类器的对抗攻击均为测试时规避（TTE）攻击，旨在利用分类器知识诱导测试时误分类。但由于受害者分类器通常不为攻击者所访问，该威胁在实践中大幅削弱，因为 PC TTE 通常可迁移性较差。在此，我们提出首个针对 PC 分类器的后门攻击（BA）。BA 最初针对图像提出，其毒化受害者分类器的训练集，使分类器学会在给定输入样本中存在攻击者后门模式时决策至攻击者的目标类。显著的是，BA 不需要受害者分类器的知识。不同于图像 BA，我们提议向 PC 中插入一个点簇作为为三维 PC 定制的鲁棒后门模式。此类簇亦与物理攻击一致（即场景中带有被捕获物体）。我们使用独立训练的替代分类器优化簇的位置，并选择簇的局部几何以规避可能的 PC 预处理与 PC 异常检测器（ADs）。实验上，我们的 BA 实现了均匀的高成功率（> 87%）并展示出针对最先进 PC ADs 的规避能力。
引用
@article{arxiv.2104.05808,
title = {A Backdoor Attack against 3D Point Cloud Classifiers},
author = {Zhen Xiang and David J. Miller and Siheng Chen and Xi Li and George Kesidis},
journal= {arXiv preprint arXiv:2104.05808},
year = {2021}
}