LiDAttack：针对基于LiDAR的目标检测的鲁棒黑盒攻击
计算机视觉与模式识别
2024-11-05 v1 人工智能
摘要
由于深度神经网络（DNN）对精心构造的对抗样本较为脆弱，针对LiDAR传感器的对抗攻击已受到广泛研究。我们提出了一种名为LiDAttack的鲁棒黑盒攻击方法。该方法利用带有模拟退火策略的遗传算法，严格限制扰动点的位置与数量，从而实现隐蔽且有效的攻击。同时，它模拟扫描偏差，使其能够适应真实场景中动态变化。在3个数据集（即KITTI、nuScenes和自构数据集）上，针对3种主流目标检测模型（即PointRCNN、PointPillar和PV-RCNN++）进行了大量实验。结果表明，LiDAttack在针对多种目标检测模型时具有高效性，攻击成功率（ASR）可达90%。
引用
@article{arxiv.2411.01889,
title = {LiDAttack: Robust Black-box Attack on LiDAR-based Object Detection},
author = {Jinyin Chen and Danxin Liao and Sheng Xiang and Haibin Zheng},
journal= {arXiv preprint arXiv:2411.01889},
year = {2024}
}