NaturalAE：面向目标检测器的自然且鲁棒的物理对抗样本
计算机视觉与模式识别
2021-03-18 v2
摘要
在本文中，我们提出了一种针对真实世界条件下目标检测器的自然且鲁棒的物理对抗样本攻击方法。生成的对抗样本对多种物理约束具有鲁棒性，且在视觉上与原图像相似，因此这些对抗样本对人类而言是自然的不易引起任何怀疑。首先，为确保对抗样本在真实世界条件下的鲁棒性，所提方法利用不同的图像变换函数，在对抗样本生成的迭代优化过程中模拟各种物理变化。其次，为构建自然对抗样本，所提方法使用自适应掩码来约束所添加扰动的区域和强度，并利用真实世界扰动分数（RPS）使扰动类似于物理世界中的那些真实噪声。与现有研究相比，我们生成的对抗样本能以更不显眼的扰动实现高成功率。实验结果表明，生成的对抗样本在各种室内外物理条件下具有鲁棒性，包括不同距离、角度、光照和拍摄。具体而言，生成的对抗样本在室内和室外的攻击成功率分别高达 73.33% 和 82.22%。同时，所提方法保证了生成对抗样本的自然性，且所添加扰动的大小远小于现有工作中的扰动。此外，所提物理对抗攻击方法可从白盒模型迁移到其他目标检测模型。
引用
@article{arxiv.2011.13692,
title = {NaturalAE: Natural and Robust Physical Adversarial Examples for Object Detectors},
author = {Mingfu Xue and Chengxiang Yuan and Can He and Jian Wang and Weiqiang Liu},
journal= {arXiv preprint arXiv:2011.13692},
year = {2021}
}