基于 LiDAR 的 3D 目标检测器对抗攻击鲁棒性的全面研究
计算机视觉与模式识别
2023-10-18 v3
摘要
近年来，基于深度学习的 3D 目标检测取得了显著进展，促使其在众多应用中被广泛采用。随着 3D 目标检测器对安全关键任务变得越来越重要，必须了解它们对对抗攻击的鲁棒性。本文首次对基于 LiDAR 的 3D 检测器在对抗攻击下的鲁棒性进行了全面评估和分析。具体而言，我们将三种不同的对抗攻击扩展到 3D 目标检测任务，在 KITTI 和 Waymo 数据集上对最先进的基于 LiDAR 的 3D 目标检测器抵御攻击的鲁棒性进行了基准测试。我们进一步分析了鲁棒性与检测器属性之间的关系。此外，我们探讨了跨模型、跨任务和跨数据攻击的可迁移性。对 3D 检测器防御策略进行了彻底的实验，表明当应用的转换策略暴露给攻击者时，翻转等简单转换对提高鲁棒性几乎没有帮助。最后，我们基于传统的对抗训练提出了平衡对抗焦点训练，以在准确性和鲁棒性之间取得平衡。我们的发现将有助于促进对基于 LiDAR 的 3D 目标检测器对抗攻击的理解和防御研究，从而推动该领域的发展。源代码公开于 \url{https://github.com/Eaphan/Robust3DOD}。
引用
@article{arxiv.2212.10230,
title = {A Comprehensive Study of the Robustness for LiDAR-based 3D Object Detectors against Adversarial Attacks},
author = {Yifan Zhang and Junhui Hou and Yixuan Yuan},
journal= {arXiv preprint arXiv:2212.10230},
year = {2023}
}
备注
30 pages, 14 figures. Accepted by IJCV