BadHMP：针对人类运动预测的后门攻击
计算机视觉与模式识别
2025-07-24 v2 人工智能
摘要
精确地从过去的观察中预测人类运动在亚秒时间范围内至关重要，因而在各种安全关键应用中至为重要。迄今为止，仅有少数研究考察了基于骨架的神经网络对规避攻击和后门攻击的脆弱性。本文提出了BadHMP，一种针对人类运动预测任务的新型后门攻击。我们的ethods通过在骨架的一个关节部位嵌入局部化后门触发器，使所选关节在历史时间步遵循预定义运动，从而生成被污染的训练样本。随后，修改所有关节的未来序列，使其遵循目标轨迹。我们精心设计的后门触发器和目标保证被污染样本的平滑性和自然性，足以在模型训练者面前不被察觉，同时保持被污染模型在预测未受污染序列时的隐蔽性。即使在较低的被污染样本注入比例下，设计好的输入序列也能成功激活目标序列。在Human3.6M和CMU-Mocap数据集上，使用LTD和HRI两种网络架构进行实验，结果表明BadHMP在高保真度、有效性和隐蔽性方面均表现出色。我们还验证了该攻击对fine-tuning防御的鲁棒性。
引用
@article{arxiv.2409.19638,
title = {BadHMP: Backdoor Attack against Human Motion Prediction},
author = {Chaohui Xu and Si Wang and Chip-Hong Chang},
journal= {arXiv preprint arXiv:2409.19638},
year = {2025}
}