IAP: 基于感知性局部化与扰动优化的隐形对抗补丁攻击
计算机视觉与模式识别
2025-07-10 v1 人工智能
摘要
尽管只修改局部输入区域，对抗补丁就能极大改变计算机视觉模型的预测结果，但现有方法要么在针对性攻击场景下表现不佳，要么生成的对抗补丁缺乏情境一致性，导致人类观察者容易察觉，且在自动防御措施下不够隐形。本文提出IAP——一种基于感知性局部化和扰动优化生成高度隐形对抗补丁的新型攻击框架。具体而言，IAP首先通过利用类别局部化和灵敏度图寻找合适的补丁位置，在 victim 模型预测易受影响和人类视觉系统之间进行平衡；随后采用感知性正则化对抗损失和优先保证色彩恒定性的梯度更新规则，以优化隐形扰动。广泛的实验表明，IAP在针对性设置下始终能实现竞争性的攻击成功率，同时显著提升补丁的隐形性。除了对人类高度不可感知外，IAP还被证明足以使数种最新对抗补丁防御方法失效。
引用
@article{arxiv.2507.06856,
title = {IAP: Invisible Adversarial Patch Attack through Perceptibility-Aware Localization and Perturbation Optimization},
author = {Subrat Kishore Dutta and Xiao Zhang},
journal= {arXiv preprint arXiv:2507.06856},
year = {2025}
}
备注
Published in ICCV 2025