BadSAM：通过后门攻击探索SAM的安全漏洞
计算机视觉与模式识别
2023-05-08 v1 人工智能
摘要
近来，Segment Anything Model (SAM) 作为图像分割基础模型因其在各种下游任务上的强劲表现而受到广泛关注。然而，人们发现SAM在面对具有挑战性的下游任务时并不总是表现令人满意。这导致下游用户需要能够适应这些下游任务的定制化SAM模型。在本文中，我们提出BadSAM，即首个针对图像分割基础模型的后门攻击。我们在CAMO数据集上的初步实验证明了BadSAM的有效性。
引用
@article{arxiv.2305.03289,
title = {BadSAM: Exploring Security Vulnerabilities of SAM via Backdoor Attacks},
author = {Zihan Guan and Mengxuan Hu and Zhongliang Zhou and Jielu Zhang and Sheng Li and Ninghao Liu},
journal= {arXiv preprint arXiv:2305.03289},
year = {2023}
}
备注
2 pages, 3 figures