LaserGuider：基于激光的深度神经网络物理后门攻击
密码学与安全
2024-12-06 v1 人工智能
计算机视觉与模式识别
机器学习
图像与视频处理
摘要
后门攻击通过在深度神经网络（DNN）中嵌入触发器与目标之间的隐藏关联，当触发器存在时使其预测目标，而在其他情况下保持正常行为。物理后门攻击虽可行，但缺乏远程控制、时序隐蔽性、灵活性和移动性。为克服这些限制，本文提出一种利用激光的新型后门触发器，具备远距离传输和即时成像特性。基于激光触发器，本文提出一种名为 LaserGuider 的物理后门攻击方法，具备远程控制能力，并实现高时序隐蔽性、灵活性和移动性。我们还引入了系统化的方法，用于优化激光参数以提高攻击效果。在评估自动驾驶车辆中至关重要的交通标志识别 DNN 时，实验结果表明，LaserGuider 采用三种不同的激光触发器，攻击成功率超过 90%，且对正常输入几乎无显著影响。此外，我们发布了 LaserMark，即首个包含实际世界交通标志上物理激光斑点的 数据集，以支持后门攻击与防御的进一步研究。
引用
@article{arxiv.2412.03993,
title = {LaserGuider: A Laser Based Physical Backdoor Attack against Deep Neural Networks},
author = {Yongjie Xu and Guangke Chen and Fu Song and Yuqi Chen},
journal= {arXiv preprint arXiv:2412.03993},
year = {2024}
}
备注
In Proceedings of the 23rd International Conference on Applied Cryptography and Network Security (ACNS), Munich, Germany, 23-26 June, 2025