对抗鲁棒性可依赖于底层 substrate
计算机视觉与模式识别
2026-04-02 v1
摘要
监控和防御目标检测器的主要工具假设，当准确率下降时，检测数量也会随之下降。这种耦合关系是假设而非实际测量。我们报告了一个在单个模型上观察到的反例：在标准PGD攻击下，EMS-YOLO（一种脉冲神经网络对象检测器）保留了超过70%的检测，而mAP从0.528降至0.042。我们称之为质量腐化（Quality Corruption, QC），以区别于单向目标评估中占主导地位的抑制。 在四种SNN架构和两种威胁模型（l-infinity和l-2）中，QC仅在测试的四个检测器中的一个（EMS-YOLO）中出现。在该模型上，所有五个标准防御组件均无法检测或缓解QC，这表明防御生态系统可能依赖于在单个底层substrate上校准的共享假设。鉴于目前尚无证据表明对抗失效模式可能因substrate而异，本结果提供了首要证据。
引用
@article{arxiv.2604.00605,
title = {Fluently Lying: Adversarial Robustness Can Be Substrate-Dependent},
author = {Daye Kang and Hyeongboo Baek},
journal= {arXiv preprint arXiv:2604.00605},
year = {2026}
}
备注
14 pages, 4 figures, 3 tables