AdvLogo：基于扩散模型的目标检测对抗性补丁攻击
计算机视觉与模式识别
2025-03-04 v2 机器学习
摘要
随着深度学习的快速发展，目标检测器已展现出惊人的性能；然而，在 certain 场景中仍存在漏洞。当前利用对抗性补丁探索漏洞的研究往往难以在攻击有效性和视觉质量之间取得平衡。为此，我们提出了一种从语义角度出发的补丁攻击框架，称之为 AdvLogo。我们假设每个语义空间都包含一个 adversarial 子空间，其中图像可导致检测器在识别物体时失败。我们利用扩散去噪过程的语义理解能力，通过对最后一个时间步的潜在向量和无条件嵌入进行扰动，驱动过程进入 adversarial 子区域。为缓解分布迁移对图像质量产生的负面影响，我们对潜在向量在频域应用扰动。实验结果表明，AdvLogo 在保持高视觉质量的同时，实现了强大的攻击性能。
引用
@article{arxiv.2409.07002,
title = {AdvLogo: Adversarial Patch Attack against Object Detectors based on Diffusion Models},
author = {Boming Miao and Chunxiao Li and Yao Zhu and Weixiang Sun and Zizhe Wang and Xiaoyi Wang and Chuanlong Xie},
journal= {arXiv preprint arXiv:2409.07002},
year = {2025}
}