FeatureFool：基于特征图的零查询视频模型攻击
计算机视觉与模式识别
2025-10-23 v2
摘要
深度神经网络（DNN）的脆弱性已初步得到验证。现有黑盒对抗攻击通常需要与模型多轮交互并消耗大量查询，这在实际应用中不切实际，也难以扩展到最近出现的 Video-LLM。此外，目前没有任何攻击在视频领域直接利用特征图来偏移干净视频的特征空间。因此，我们提出 FeatureFool，这是一种隐蔽的、面向视频域的零查询黑盒攻击，利用从 DNN 中提取的信息改变干净视频的特征空间。不同于依赖迭代交互的查询式方法，FeatureFool 通过直接利用 DNN 提取的信息实现零查询攻击。这种高效方法在视频领域是前所未有的。实验表明，FeatureFool 在不使用任何查询的情况下，对传统视频分类器实现超过 70% 的攻击成功率。凭借特征图的可迁移性，它还能生成有害内容并规避 Video-LLM 识别。此外，FeatureFool 生成的对抗视频在 SSIM、PSNR 和 Temporal-Inconsistency 等指标上表现优异，使攻击几乎不可察觉。本文可能包含暴力或色情内容。
引用
@article{arxiv.2510.18362,
title = {FeatureFool: Zero-Query Fooling of Video Models via Feature Map},
author = {Duoxun Tang and Xi Xiao and Guangwu Hu and Kangkang Sun and Xiao Yang and Dongyang Chen and Qing Li and Yongjie Yin and Jiyao Wang},
journal= {arXiv preprint arXiv:2510.18362},
year = {2025}
}