利用缩放与剪切变换提升三维对抗攻击的可迁移性
计算机视觉与模式识别
2022-11-03 v1 图像与视频处理
摘要
已有研究表明，三维点云分类器可能易受对抗样本的攻击。然而，现有方法大多针对白盒攻击，即攻击时已知分类器的参数及其他信息，这在实际应用场景中并不现实。为提升黑盒分类器的攻击性能，研究界普遍采用基于迁移的黑盒攻击。但当前三维攻击的可迁移性仍相对较低。为此，本文提出缩放与剪切（Scale and Shear, SS）攻击，以生成具有强可迁移性的三维对抗样本。具体而言，我们对输入点云进行随机缩放或剪切，使攻击不会过拟合白盒模型，从而提升攻击的可迁移性。大量实验表明，本文提出的 SS 攻击可与现有最先进（SOTA）三维点云攻击方法无缝结合，形成更强大的攻击方法，且 SS 攻击相较于基线将可迁移性提升了 3.6 倍以上。此外，在大幅超越基线方法的同时，SS 攻击在各种防御下均达到了 SOTA 可迁移性。我们的代码将在 https://github.com/cuge1995/SS-attack 在线提供。
引用
@article{arxiv.2211.01093,
title = {Improving transferability of 3D adversarial attacks with scale and shear transformations},
author = {Jinali Zhang and Yinpeng Dong and Jun Zhu and Jihong Zhu and Minchi Kuang and Xiaming Yuan},
journal= {arXiv preprint arXiv:2211.01093},
year = {2022}
}
备注
10 pages