Elytra：一种用于保护大型视觉系统的灵活框架
计算机视觉与模式识别
2026-03-10 v3
摘要
对抗攻击已成为自动驾驶系统面临的关键威胁。这些攻击利用底层神经网络，允许微小、几乎不可见的扰动以潜在恶意的方式改变此类系统的行为，例如导致交通标志分类网络将停车标志误分类为限速标志。先前在强化此类系统以抵御对抗攻击方面的工作，着眼于对系统进行微调或在输入流水线中添加额外的预处理步骤。此类解决方案要么难以泛化，要么在训练期间需要对抗攻击的知识，要么在计算上不可取。相反，我们提出了一个名为 ELYTRA 的框架，借鉴参数高效微调的见解，并使用低秩适应训练轻量级安全补丁，使我们能够在发现新漏洞时动态修补现有的大型视觉系统。我们证明，ELYTRA 框架能够修补预训练的大型视觉模型，在存在对抗样本的情况下将分类准确率提高多达 24.09%。
引用
@article{arxiv.2506.00661,
title = {Elytra: A Flexible Framework for Securing Large Vision Systems},
author = {Richard E. Neddo and Emmanuel Atindama and Zander W. Blasingame and Chen Liu},
journal= {arXiv preprint arXiv:2506.00661},
year = {2026}
}
备注
Updated pre-print. Under review