面向增强现实中可解释认知攻击检测的神经符号框架
计算机视觉与模式识别
2025-12-01 v3 人工智能
摘要
增强现实（AR）通过将虚拟元素叠加到物理世界来丰富人类感知。然而，虚拟内容与现实内容之间的紧密耦合使得 AR 容易受到认知攻击的威胁：即扭曲用户对环境语义理解的操纵。现有的检测方法主要关注像素或图像级别的视觉不一致性，提供的语义推理或可解释性有限。为了解决这些局限性，我们引入了 CADAR，一个用于 AR 中认知攻击检测的神经符号框架，它集成了神经推理与符号推理。CADAR 将来自预训练模型的多模态视觉-语言表示融合到一个感知图中，该图捕获了对象、关系以及时间上下文的显著性。在此结构基础上，一个基于粒子滤波的统计推理模块推断语义动态中的异常，以揭示认知攻击。这种结合既提供了现代视觉-语言模型的适应性，又提供了概率符号推理的可解释性。在 AR 认知攻击数据集上的初步实验表明，相比现有方法具有持续的优势，突显了神经符号方法在构建鲁棒且可解释的 AR 安全性方面的潜力。
引用
@article{arxiv.2508.09185,
title = {A Neurosymbolic Framework for Interpretable Cognitive Attack Detection in Augmented Reality},
author = {Rongqian Chen and Allison Andreyev and Yanming Xiu and Joshua Chilukuri and Shunav Sen and Mahdi Imani and Bin Li and Maria Gorlatova and Gang Tan and Tian Lan},
journal= {arXiv preprint arXiv:2508.09185},
year = {2025}
}