MVPatch：针对物理场景中目标检测对抗掩码攻击的更鲜活补丁
密码学与安全
2024-10-28 v3 计算机视觉与模式识别
摘要
最近的研究表明，对抗性补丁（AP）可以有效操控目标检测模型。然而，这些补丁常associated的显眼图案往往会吸引人类注意力，这构成了重大挑战。现有研究主要关注在物理域内增强攻击效能，往往忽略对隐形性和可迁移性的优化。此外，在现实场景中应用 APs 面临着可迁移性、隐形性和实用性等重大挑战。为此，我们将泛化理论引入 APs 背景，使迭代过程能够同时增强可迁移性并细化与真实图像的视觉相关性。我们提出了双感知框架（DPBF），用于生成更鲜活的补丁（MVPatch），从而提升可迁移性、隐形性和实用性。DPBF 集成了两个关键组件：模型感知模块（MPBM）和人类感知模块（HPBM），以及正则化项。MPBM 使用集成策略降低跨多个检测器的目标置信度，从而在有坚实理论支持下提高 AP 的可迁移性。同时，HPBM 引入一种轻量级方法以实现视觉相似性，无需依赖额外的生成模型即可创建自然且不显眼的对抗性补丁。正则化项进一步增强了在物理域中生成的 APs 的实用性。此外，我们引入自然性和可迁移性评分，以提供对 APs 的无偏评估。大量实验验证表明，MVPatch 在数字和物理域均实现了卓越的可迁移性和自然外观，凸显了其有效性和隐形性。
引用
@article{arxiv.2312.17431,
title = {MVPatch: More Vivid Patch for Adversarial Camouflaged Attacks on Object Detectors in the Physical World},
author = {Zheng Zhou and Hongbo Zhao and Ju Liu and Qiaosheng Zhang and Liwei Geng and Shuchang Lyu and Wenquan Feng},
journal= {arXiv preprint arXiv:2312.17431},
year = {2024}
}
备注
16 pages, 8 figures. This work has been submitted to the IEEE for possible publication