AnywhereDoor：面向目标检测的多目标后门攻击
密码学与安全
2025-03-17 v2 人工智能
计算机视觉与模式识别
摘要
随着目标检测日益融入诸多安全关键型应用，理解其脆弱性至关重要。后门攻击尤为危险，攻击者可在受害模型中植入隐藏触发器，随后在推理阶段利用这些触发器诱发恶意行为。然而，现有研究仅限于单目标攻击，攻击者在训练前必须预定义固定的恶意行为（目标），导致推理阶段的适应性无法实现。鉴于目标检测的庞大输出空间（包括目标存在预测、边界框估计和分类），实现灵活的、推理阶段模型控制的可行性尚未探讨。本文引入AnywhereDoor，一种面向目标检测的多目标后门攻击方法。一旦植入后门，AnywhereDoor 允许攻击者使目标消失、生成新目标或对其进行误标，既可针对所有目标类别亦可针对特定类别，提供前所未有的控制灵活性。这种灵活性通过三项关键创新实现：（i）目标解耦以扩展支持目标的数量；（ii）触发器马赛克化以确保即使针对基于区域的检测器也能保持鲁棒性；（iii）战略性批量处理以解决对象级别数据不平衡问题，这些问题会阻碍对对象的操控。大量实验表明，AnywhereDoor 赋予攻击者高度的控制能力，相较于为实现此类灵活控制而改编现有方法，攻击成功率提升了26%。
引用
@article{arxiv.2411.14243,
title = {AnywhereDoor: Multi-Target Backdoor Attacks on Object Detection},
author = {Jialin Lu and Junjie Shan and Ziqi Zhao and Ka-Ho Chow},
journal= {arXiv preprint arXiv:2411.14243},
year = {2025}
}
备注
15 pages; This update was mistakenly uploaded as a new manuscript on arXiv (2503.06529). The wrong submission has now been withdrawn, and we replace the old one here