基于注意力的视觉应用物理对抗攻击实时防御
计算机视觉与模式识别
2025-09-10 v1 人工智能
摘要
深度神经网络在计算机视觉任务中表现出优异性能，但其对通过物理对象破坏预测的真实世界对抗攻击的脆弱性，引发了其在安全关键领域应用的严重安全担忧。现有防御方法聚焦于单帧分析，且计算成本高，限制了其在多帧场景中的适用性，而此类场景中实时决策至关重要。为解决该问题，本文提出一种高效的基于注意力的防御机制，利用对抗通道注意力在多帧设置中快速识别并跟踪浅层网络中的恶意对象，并屏蔽其对抗效应。本工作通过增强现有的针对真实世界对抗攻击的过激活技术以使其可用于实时应用，推进了当前最优水平。其还引入了高效的多帧防御框架，并通过旨在评估防御性能与计算成本的广泛实验验证了其有效性。
引用
@article{arxiv.2311.11191,
title = {Attention-Based Real-Time Defenses for Physical Adversarial Attacks in Vision Applications},
author = {Giulio Rossolini and Alessandro Biondi and Giorgio Buttazzo},
journal= {arXiv preprint arXiv:2311.11191},
year = {2025}
}