面向对象检测的稳健后门攻击：BadDet+
计算机视觉与模式识别
2026-01-30 v1 密码学与安全
摘要
后门攻击构成深刻威胁，但其对目标检测的影响仍不完全为人知。尽管已提出多种攻击方法，但我们识别出现有基于检测的方法存在关键弱点，具体包括其对不切实际假设的依赖以及缺乏物理验证。为弥合这一差距，我们引入BadDet+，一个基于惩罚的框架，用于统一区域误分类攻击（RMA）和目标消失攻击（ODA）。核心机制利用对数屏障惩罚抑制触发输入的真实类别预测，从而实现（i）位置和规模不变性，以及（ii）增强的物理鲁棒性。在真实世界基准上，BadDet+在合成到物理迁移方面优于现有RMA和ODA基线，同时保持干净性能。理论分析确认所提议的惩罚措施在触发器特定特征子空间中起作用，能够在不降低标准推理性能的情况下可靠诱导攻击。这些结果凸显了目标检测的重要漏洞以及针对性防御的必要性。
引用
@article{arxiv.2601.21066,
title = {BadDet+: Robust Backdoor Attacks for Object Detection},
author = {Kealan Dunnett and Reza Arablouei and Dimity Miller and Volkan Dedeoglu and Raja Jurdak},
journal= {arXiv preprint arXiv:2601.21066},
year = {2026}
}