具有可学习形状与位置的物理对抗红外补丁
计算机视觉与模式识别
2023-03-27 v1
摘要
由于红外目标检测器在安全关键任务中的广泛应用，有必要评估其针对真实世界中对抗样本的鲁棒性。然而，当前少数物理红外攻击因其从数字世界到物理世界的复杂转换，在实际应用中难以实施。为解决此问题，本文提出一种物理可行的红外攻击方法，称为“对抗红外补丁”。考虑到红外相机通过捕获物体热辐射的成像机制，对抗红外补丁通过在目标物体上附着隔热材料补丁以操纵其热分布来实施攻击。为增强对抗攻击，我们提出一种新颖的聚合正则化，用于引导补丁在目标物体上形状与位置的同步学习。因此，可采用简单的基于梯度的优化来求解它们。我们在不同目标检测任务中结合多种目标检测器验证了对抗红外补丁。实验结果表明，在物理环境中，针对行人检测器和车辆检测器，我们的方法实现了超过 90% 的攻击成功率（ASR），其中物体以不同角度、距离、姿态和场景被捕获。更重要的是，对抗红外补丁易于实施，且在物理世界中仅需 0.5 小时即可构建，验证了其有效性与高效性。
引用
@article{arxiv.2303.13868,
title = {Physically Adversarial Infrared Patches with Learnable Shapes and Locations},
author = {Wei Xingxing and Yu Jie and Huang Yao},
journal= {arXiv preprint arXiv:2303.13868},
year = {2023}
}
备注
accepted by CVPR2023