NoPain：基于最优传输奇异边界的无盒点云攻击
计算机视觉与模式识别
2025-04-30 v4
摘要
对抗攻击利用深度模型对对抗样本的脆弱性。现有的点云攻击方法针对特定模型，在白盒或黑盒设置下基于梯度迭代优化扰动。尽管这些方法表现出良好的攻击性能，但由于过度拟合代理模型的特定参数，它们通常难以生成可迁移的对抗样本。为克服这一问题，我们将关注点转向数据分布本身，并提出了一种名为 NoPain 的新方法，该方法利用最优传输（OT）来识别数据流形的固有奇异边界，以实现跨网络点云攻击。具体而言，我们首先计算从噪声到目标特征空间的 OT 映射，然后通过定位不可微位置来识别奇异边界。最后，我们沿奇异边界采样以生成对抗点云。一旦确定了奇异边界，NoPain 就能高效生成对抗样本，无需迭代更新或代理分类器的引导。大量实验表明，所提出的端到端方法在可迁移性和效率方面均优于基线方法，并且在面对防御策略时也保持着显著优势。代码和模型可在 https://github.com/cognaclee/nopain 获取。
引用
@article{arxiv.2503.00063,
title = {NoPain: No-box Point Cloud Attack via Optimal Transport Singular Boundary},
author = {Zezeng Li and Xiaoyu Du and Na Lei and Liming Chen and Weimin Wang},
journal= {arXiv preprint arXiv:2503.00063},
year = {2025}
}