多视角设定下的对抗攻击：对抗补丁视角间可迁移性的实证研究

尽管机器学习应用因在解决复杂问题中展现的效率而逐渐主流化，它们却饱受对对抗攻击固有脆弱性的困扰。对抗攻击由对输入的加性噪声构成，可欺骗检测器。近来，成功的真实世界可打印对抗补丁被证明对最先进的神经网络有效。在从基于数字噪声的攻击向真实世界物理攻击的过渡中，影响目标检测的众多因素也会影响对抗补丁。其中，视角是最具影响却未被充分探索的因素之一。在本文中，我们研究视角对对抗补丁有效性的影响。为此，我们提出第一种考虑多视角上下文的方法，通过结合现有对抗补丁与透视几何变换来模拟视角变化的影响。我们的方法在两个数据集上进行了评估：第一个数据集包含多视角上下文的大部分真实世界约束，第二个数据集则从经验上隔离视角的影响。实验表明视角显著影响对抗补丁的性能，某些情况下补丁丧失大部分有效性。我们相信这些结果促使在未来对抗攻击中考虑视角影响，并为对抗防御开辟新机遇。