DiffPhysBA: 基于扩散的物理后门攻击针对现实世界中的行人重识别
计算机视觉与模式识别
2024-05-31 v1
摘要
行人重识别（ReID）系统面临后门攻击的重大安全风险，使攻击者能够逃避跟踪或冒充他人。除了认识到这一问题，我们研究了后门攻击如何在现实场景中部署，其中ReID模型通常在数字领域收集的数据上训练，然后部署在物理环境中。这种攻击场景需要一种攻击流程，在数字领域足够真实地嵌入后门触发器，以便在物理领域也能激活行人ReID模型中埋藏的后门。本文通过利用扩散模型在行人图像上生成真实的附件（例如包、帽子等）作为后门触发器来实现这一攻击流程。然而，现成扩散模型生成的触发器与其物理对应物之间存在显著的领域差距，导致攻击成功率低。因此，我们提出了一种新颖的基于扩散的物理后门攻击（DiffPhysBA）方法，该方法采用无训练的相似性引导采样过程来增强生成触发器与物理触发器之间的相似性。因此，DiffPhysBA可以在数字领域生成真实的属性作为语义级触发器，并在真实世界测试集上相比直接粘贴方法提供高出25.6%的物理攻击成功率。通过在新提出的真实世界和合成ReID测试集上的评估，DiffPhysBA在数字和物理领域均表现出超过90%的令人印象深刻的成功率。值得注意的是，它在数字隐蔽性指标上表现出色，并能有效规避最先进的防御方法。
引用
@article{arxiv.2405.19990,
title = {DiffPhysBA: Diffusion-based Physical Backdoor Attack against Person Re-Identification in Real-World},
author = {Wenli Sun and Xinyang Jiang and Dongsheng Li and Cairong Zhao},
journal= {arXiv preprint arXiv:2405.19990},
year = {2024}
}