攻击回环：针对基于图的回环检测的对抗攻击
计算机视觉与模式识别
2023-12-13 v1 机器人学
摘要
随着机器人技术的进步，大型工厂和仓库引入在人类附近密切操作的视觉 SLAM（vSLAM）自动机器人变得越来越普遍。这使得对 vSLAM 组件的任何对抗攻击都可能对在它们旁边工作的人类造成伤害。回环检测（LCD）是 vSLAM 中的一个关键组件，它可最小化建图中的漂移累积，因为即使很小的漂移也会随着时间的推移累积成显著的漂移。Kim 等人先前的工作 SymbioLCD2，将视觉特征和语义对象统一到一个单一的图结构中，以寻找回环候选。虽然这比基于视觉特征的 LCD 提供了性能改进，但它也为潜在的基于图的对抗攻击创造了单点漏洞。与以前报道的基于视觉补丁的攻击不同，小的图扰动更难被检测到，使其成为更重大的威胁。在本文中，我们提出了 Adversarial-LCD，一种新颖的黑盒逃逸攻击框架，该框架采用基于特征向量中心性的扰动方法和带有 Weisfeiler-Lehman 特征提取器的 SVM-RBF 替代模型来攻击基于图的 LCD。我们的评估表明，使用 SVM-RBF 替代模型的 Adversarial-LCD 的攻击性能优于其他机器学习替代算法，包括 SVM-linear、SVM-polynomial 和贝叶斯分类器，证明了我们攻击框架的有效性。此外，我们表明我们基于特征向量中心性的扰动方法优于其他算法，如随机游走和最短路径，突出了 Adversarial-LCD 扰动选择方法的高效性。
引用
@article{arxiv.2312.06991,
title = {Attacking the Loop: Adversarial Attacks on Graph-based Loop Closure Detection},
author = {Jonathan J. Y. Kim and Martin Urschler and Patricia J. Riddle and Jorg S. Wicker},
journal= {arXiv preprint arXiv:2312.06991},
year = {2023}
}
备注
Accepted at VISIGRAPP 2024, 8 pages