阈值超限不确定性检测（DUET）：一种对抗补丁定位器

针对物理世界攻击（如对抗补丁）的防御研究正获得关注。我们通过引入基于不确定性的对抗补丁定位器为对抗补丁检测领域做出贡献，该定位器在图像上定位对抗补丁，便于后续补丁规避或补丁重建。我们通过开发 \textit{\textbf{D}etection of \textbf{U}ncertainties in the \textbf{E}xceedance of \textbf{T}hreshold}（DUET）算法量化预测不确定性。该算法提供确认对抗补丁定位置信度的框架，这对自动驾驶与医学影像等安全敏感应用至关重要。我们进行了对抗补丁定位实验，发现所提 DUET 模型优于基线模型。随后我们对模型先验选择及在架构不同层采用贝叶斯神经网络进行进一步分析。发现贝叶斯神经网络中的等距高斯先验适用于补丁定位任务，且较早神经网络块中的贝叶斯层有助于顶端定位性能，而较晚块中加入的贝叶斯层有助于更好模型泛化。我们进而提出两种表现良好的不同模型以应对不同用例。