基于GAN的交通标志分类抗对抗性贴纸单阶段防御
计算机视觉与模式识别
2026-03-04 v2
摘要
计算机视觉在确保自动驾驶车辆安全导航中发挥着关键作用。自动驾驶车辆的感知模块促进了安全的导航，使其能够识别交通标志、交通灯以及各种道路使用者。然而，这一感知模块可能面临对抗性攻击，这会损害其准确性和可靠性。其中一种攻击方式是对抗性贴纸攻击（APA），即攻击者在物体上放置精心设计的贴纸以误导目标分类器。这种APA可能导致自动驾驶车辆误分类交通标志，从而引发灾难性事故。为了增强自动驾驶感知系统抗APA的能力，本文开发了一种基于生成对抗网络（GAN）的交通标志分类单阶段防御策略。该方法针对不同类别的交通标志设计，无需提前了解贴纸的具体设计，能够有效抵御不同尺寸的贴纸。此外，我们的单阶段防御计算效率高于现有多阶段防御方法，在自动驾驶系统中更适合实时部署。实验分析表明，与未采用任何防御机制的分类器相比，本文所提出的防御策略在APA条件下可使分类器准确率提高最高可达90%。
引用
@article{arxiv.2503.12567,
title = {GAN-Based Single-Stage Defense for Traffic Sign Classification Under Adversarial Patch},
author = {Abyad Enan and Mashrur Chowdhury},
journal= {arXiv preprint arXiv:2503.12567},
year = {2026}
}
备注
This work has been submitted to a peer-reviewed journal and is currently under review