对抗激光光斑：面向深度神经网络的鲁棒且隐蔽物理世界攻击
计算机视觉与模式识别
2023-05-24 v2 人工智能
摘要
现有大多数深度神经网络(DNNs)易被轻微噪声干扰。然而，关于通过部署照明设备实施物理攻击的研究甚少。基于光的物理攻击具有极佳的隐蔽性，给许多基于视觉的应用（如自动驾驶）带来巨大安全风险。因此，我们提出一种基于光的物理攻击，称为对抗激光光斑(AdvLS)，其通过遗传算法优化激光光斑的物理参数以实施物理攻击。它利用低成本激光设备实现了鲁棒且隐蔽的物理攻击。据我们所知，AdvLS 是首个在白天实施物理攻击的基于光的物理攻击。在数字与物理环境下的大量实验表明，AdvLS 具有优异的鲁棒性与隐蔽性。此外，通过对实验数据的深入分析，我们发现 AdvLS 生成的对抗扰动具有优越的对抗攻击迁移性。实验结果显示 AdvLS 对先进 DNNs 造成严重干扰，我们呼吁关注所提出的 AdvLS。AdvLS 的代码见：https://github.com/ChengYinHu/AdvLS
引用
@article{arxiv.2206.01034,
title = {Adversarial Laser Spot: Robust and Covert Physical-World Attack to DNNs},
author = {Chengyin Hu and Yilong Wang and Kalibinuer Tiliwalidi and Wen Li},
journal= {arXiv preprint arXiv:2206.01034},
year = {2023}
}