DAP：一种规避行人检测器的动态对抗补丁
密码学与安全
2023-11-22 v2 计算机视觉与模式识别
摘要
基于补丁的对抗攻击已被证明会破坏计算机视觉系统的鲁棒性与可靠性。然而，其显眼且易被检测的特性对实际场景中的实用性提出了挑战。为此，近期工作提出使用生成对抗网络(GAN)生成可能不会引人注意的自然主义补丁。但此类方法受限于有限的潜空间，难以产生高效、隐蔽且对多种实际变换鲁棒的補丁。本文提出一种新方法，生成旨在克服这些局限的动态对抗补丁(DAP)。DAP在保持自然外观的同时，优化攻击效率与对实际变换的鲁棒性。该方法涉及重新定义优化问题，并引入结合相似性度量以引导补丁生成的新目标函数。与基于GAN的技术不同，DAP直接修改补丁内像素值，从而对多种变换提供更高的灵活性与适应性。此外，大多数基于衣物的物理攻击假设静态对象，并忽略由人体姿态变化引起的非刚性形变所导致的潜在变换。为应对该局限，引入了“褶皱变换”(CT)模块，增强补丁对多种实际畸变的韧性。实验结果表明，所提方法优于最先进攻击，在数字世界中针对YOLOv7检测器时成功率高达82.28%，在物理世界中针对部署于边缘智能摄像头的YOLOv3tiny检测器时达65%。
引用
@article{arxiv.2305.11618,
title = {DAP: A Dynamic Adversarial Patch for Evading Person Detectors},
author = {Amira Guesmi and Ruitian Ding and Muhammad Abdullah Hanif and Ihsen Alouani and Muhammad Shafique},
journal= {arXiv preprint arXiv:2305.11618},
year = {2023}
}