面向增强现实的3D点云自适应局部对抗攻击
计算机视觉与模式识别
2023-03-14 v1 图像与视频处理
摘要
作为增强现实（AR）的关键技术，3D识别与跟踪始终易受对抗样本的攻击，这将给AR系统带来严重的安全风险。对抗样本有助于提升3D神经网络模型的鲁棒性并增强AR系统的稳定性。目前，大多数3D对抗攻击方法扰动整个点云以生成对抗样本，导致扰动成本高且在物理世界中难以重建对应的真实物体。本文提出一种针对3D点云的自适应局部对抗攻击方法（AL-Adv）以生成对抗点云。首先，我们分析3D网络模型的脆弱性并提取输入点云的显著区域，即脆弱区域。其次，我们提出一种针对脆弱区域的自适应梯度攻击算法。该攻击算法在点云三维坐标的不同方向上自适应地分配不同扰动。实验结果表明，我们提出的方法AL-Adv比全局攻击方法实现了更高的攻击成功率。具体而言，AL-Adv生成的对抗样本表现出良好的不可感知性与较小的生成成本。
引用
@article{arxiv.2303.06641,
title = {Adaptive Local Adversarial Attacks on 3D Point Clouds for Augmented Reality},
author = {Weiquan Liu and Shijun Zheng and Cheng Wang},
journal= {arXiv preprint arXiv:2303.06641},
year = {2023}
}