针对航拍目标检测的对抗补丁基准评测
计算机视觉与模式识别
2023-02-08 v1
摘要
深度神经网络（DNN）易受对抗样本攻击，这对安全关键系统构成重大安全隐忧。本文提出一种新颖的基于自适应补丁的物理攻击（AP-PA）框架，旨在生成在物理动态与尺度变化上均具自适应性的对抗补丁，从而隐藏特定目标使其不被检测。此外，该对抗补丁还具备对同类所有目标的攻击有效性（补丁置于目标之外，无需涂抹目标物体）且在物理世界中足够鲁棒。另外，设计了一种新损失函数，利用被检测物体的更多可用信息来优化对抗补丁，可显著提升补丁的攻击效能（在白盒与黑盒设定下平均精度分别下降达 87.86% 与 85.48%）与优化效率。我们还建立了首批全面、一致且严谨的基准之一，用于评测航拍检测任务中对抗补丁的攻击效能。最后，进行了若干按比例缩放的物理实验，证明所精心制作的对抗补丁能在动态物理环境中成功欺骗航拍检测算法。代码见 https://github.com/JiaweiLian/AP-PA。
引用
@article{arxiv.2210.16765,
title = {Benchmarking Adversarial Patch Against Aerial Detection},
author = {Jiawei Lian and Shaohui Mei and Shun Zhang and Mingyang Ma},
journal= {arXiv preprint arXiv:2210.16765},
year = {2023}
}
备注
14 pages, 14 figures