使用通用定向标签切换补丁攻击目标检测器
机器学习
2022-11-17 v1 密码学与安全
计算机视觉与模式识别
摘要
过去几年中，针对基于深度学习的目标检测器（ODs）的对抗攻击已被广泛研究。这些攻击通过在目标物体上或帧内任意位置放置含有对抗图案的补丁，使模型做出错误预测。然而，先前研究均未提出一种将补丁应用于目标物体的、针对ODs的误分类攻击。在本研究中，我们提出一种新颖的、通用的、定向的、标签切换攻击，针对最先进的目标检测器YOLO。在我们的攻击中，我们使用（i）一个定制的投影函数，以使得对抗补丁能够放置在图像中多个目标物体（例如汽车）上，其中每个物体可能距相机不同距离或相对相机具有不同视角；（ii）一个能够将受攻击物体标签改变的独特损失函数。所提出的在数字域中训练的通用补丁可迁移至物理域。我们使用不同类型的目标检测器、不同相机拍摄的不同视频流以及各种目标类别进行了广泛评估，并评估了物理域中对抗补丁的不同配置。
引用
@article{arxiv.2211.08859,
title = {Attacking Object Detector Using A Universal Targeted Label-Switch Patch},
author = {Avishag Shapira and Ron Bitton and Dan Avraham and Alon Zolfi and Yuval Elovici and Asaf Shabtai},
journal= {arXiv preprint arXiv:2211.08859},
year = {2022}
}