生成对抗事件：一种运动感知点云框架
计算机视觉与模式识别
2026-02-10 v1 人工智能
摘要
事件相机已在自动驾驶、机器人和人机交互等安全关键领域广泛采用。一个迫切的挑战是：深度神经网络对对抗样本的脆弱性，这对基于事件的系统可靠性构成了重大威胁。然而，针对事件的对抗攻击研究寥寥无几。这主要源于主流事件表示方式的不可微性，阻碍了梯度基础攻击方法的扩展。本文提出了MA-ADV，即一种 novel 运动感知对抗框架 (Motion-Aware Adversarial Framework)。在我们所知述的第一项工作中，我们利用点云表示生成对抗事件。MA-ADV考虑到事件中的高频噪声，并采用扩散方法平滑扰动，同时充分利用事件之间的空间和时间关系。最后，MA-ADV通过结合样本级Adam优化、迭代细化和二分搜索来识别最小成本扰动。大量实验结果验证，MA-ADV实现了100%的攻击成功率，扰动成本最小，并且还显示出对抗性防御的增强，凸显了面向未来基于事件的感知系统所面临的关键安全挑战。
引用
@article{arxiv.2602.08230,
title = {Generating Adversarial Events: A Motion-Aware Point Cloud Framework},
author = {Hongwei Ren and Youxin Jiang and Qifei Gu and Xiangqian Wu},
journal= {arXiv preprint arXiv:2602.08230},
year = {2026}
}