单套对抗性服装可在物理世界中突破多种防御方法
计算机视觉与模式识别
2025-10-21 v1
摘要
近年来，针对基于深度学习的对象检测器的对抗攻击在物理世界引起了广泛关注。为了防御这些攻击，研究人员提出了各种针对对抗性贴纸的防御方法。然而，我们的实验表明，仅仅增加贴纸大小就会使这些防御方法失效。为此，我们评估了各种防御方法针对覆盖人体面积较大的对抗性服装。对抗性服装是对抗性防御的理想测试案例，因为它们不仅具有较大的尺寸，而且在人类身上看起来比大型贴纸更自然。实验表明，在数字世界和物理世界中，所有防御方法都对对抗性服装表现不佳。此外，我们制作了一套破坏Faster R-CNN上多个防御方法的服装。该套装备在未防御的检测器上实现了96.06%的攻击成功率(ASR)，并在物理世界中的九个防御模型上实现了超过64.84%的ASR，揭示了现有对抗防御方法在对抗性服装方面的普遍脆弱性。代码地址: https://github.com/weiz0823/adv-clothes-break-multiple-defenses。
关键词
引用
@article{arxiv.2510.17322,
title = {A Single Set of Adversarial Clothes Breaks Multiple Defense Methods in the Physical World},
author = {Wei Zhang and Zhanhao Hu and Xiao Li and Xiaopei Zhu and Xiaolin Hu},
journal= {arXiv preprint arXiv:2510.17322},
year = {2025}
}
备注
13 pages, 8 figures