对抗贴纸：一种物理世界中的隐蔽攻击方法

为评估深度学习在物理世界中的脆弱性，近期工作引入对抗补丁并将其应用于不同任务。本文中，我们提出另一种对抗补丁：有意义对抗贴纸，一种利用生活中存在的真实贴纸、在物理上可行且隐蔽的攻击方法。与以往通过设计扰动实现的对抗补丁不同，我们的方法通过操控贴纸在物体上的粘贴位置与旋转角度来实施物理攻击。由于位置和旋转角受打印损失与色彩失真影响较小，对抗贴纸能在物理世界中保持良好的攻击性能。此外，为使对抗贴纸在真实场景中更实用，我们在信息有限的黑盒设定而非拥有威胁模型全部细节的白盒设定下实施攻击。为有效求解贴纸参数，我们设计了基于区域的启发式差分进化算法，其利用了新发现的有效解区域聚集特性与评估准则的自适应调整策略。我们的方法在人脸识别中得到全面验证，并扩展至图像检索与交通标志识别。大量实验表明，所提方法在复杂物理条件下高效且有效，并对不同任务具有良好的泛化性。