GhostImage：针对基于摄像头的图像分类系统的远程感知攻击
密码学与安全
2020-06-25 v3 计算机视觉与模式识别
机器学习
图像与视频处理
摘要
在基于视觉的物体分类系统中，成像传感器感知环境，随后利用机器学习检测和分类物体以用于决策；例如，使自动驾驶车辆绕开障碍物，或在监控场景中升起警报以指示入侵者存在。本工作中，我们展示了感知域如何被远程且不显眼地利用，使攻击者能够创建虚假物体或更改现有物体。依赖受我们攻击的检测/分类框架的自动化系统可能因攻击者诱导的误感知而采取灾难性行动。我们聚焦于基于摄像头的系统，并展示通过利用光学成像系统中两种常见效应（即镜头眩光/鬼影效应与自动曝光控制）可远程将对抗性图案投射进摄像头系统。为提升攻击对信道效应的鲁棒性，我们通过将对抗机器学习技术与训练好的端到端信道模型相集成来生成最优图案。我们使用低成本投影仪，在三个不同图像数据集、室内与室外环境以及三台不同相机上实验演示了我们的攻击。实验结果表明，取决于投影仪-摄像头距离，攻击成功率在目标条件下可高达 100%。
引用
@article{arxiv.2001.07792,
title = {GhostImage: Remote Perception Attacks against Camera-based Image Classification Systems},
author = {Yanmao Man and Ming Li and Ryan Gerdes},
journal= {arXiv preprint arXiv:2001.07792},
year = {2020}
}
备注
Accepted by USENIX RAID 2020. Source code is available at https://github.com/Harry1993/GhostImage