隐形斗篷：通过背door攻击实现人类姿态估计下的消失
密码学与安全
2025-10-03 v2
摘要
尽管人类姿态估计（Human Pose Estimation, HPE）在自主系统中具有重要意义，但其针对对抗攻击的潜在风险尚未像图像分类或分割任务那样受到广泛关注。本文研究了HPE系统对消失攻击的脆弱性，即攻击者通过背door技术微妙地操控HPE训练过程，使任何包含特定触发器的输入图像都无法被识别为包含任何人类姿态。由于人类通常位于HPE系统的中心，若成功实施此类攻击，将严重威胁自驾汽车正确理解前景场景中的行人安全。为实现此对抗目标，我们提出了\emph{IntC}框架，用于在HPE领域构建隐形斗篷。通过设计不代表任何人类姿态的目标HPE标签，我们提出了三个具体的背door攻击，基于我们的IntC框架。IntC-S和IntC-E分别针对基于回归和基于热图的HPE技术，集中触发图像的关键点于微小、难以察觉的区域。进一步地，为提高攻击的隐蔽性，IntC-L设计目标毒害以捕获通常不包含人物的风景图像的标签输出，从而实现消失并降低检测可见性。大量实验表明，IntC方法在实现消失目标方面具有有效性和通用性。通过揭示HPE面临消失和背door攻击的脆弱性，我们希望本工作能提高人们对HPE模型在实际应用中潜在风险的警惕性。
引用
@article{arxiv.2410.07670,
title = {Invisibility Cloak: Disappearance under Human Pose Estimation via Backdoor Attacks},
author = {Minxing Zhang and Wenshu Fan and Wenbo Jiang and Shui Yu and Michael Backes and Xiao Zhang},
journal= {arXiv preprint arXiv:2410.07670},
year = {2025}
}