针对夜间监控系统近红外人体检测器的基于物理的对抗攻击
计算机视觉与模式识别
2024-12-19 v1
摘要
许多监控摄像头会根据照度水平在白天和夜间模式之间切换。白天，摄像头通过启用的红外截止滤镜记录普通 RGB 图像。夜间，该滤镜被禁用，以捕捉通常安装在镜头周围的近红外（NIR）LED 发出的近红外光。尽管基于 RGB 的 AI 算法漏洞已被广泛报道，但基于 NIR 的 AI 漏洞却鲜少被研究。在本文中，我们指出了基于 NIR 的图像理解中存在的根本性漏洞，这些漏洞是由衣物反射率和摄像头在 NIR 范围内的光谱灵敏度的固有特性所导致的颜色和纹理丢失引起的。我们进一步表明，现有监控系统中光源与摄像头近乎共置的配置有利于在物理世界中实现隐蔽和完全被动的攻击。具体而言，我们展示了逆向反射和绝缘胶带如何操纵 NIR 图像的强度分布。我们展示了使用在数字空间中设计的二值图案（通过黑盒查询和搜索），随后通过将胶带粘贴在衣服上物理实现的、对基于 YOLO 的人类检测器的攻击。我们的攻击突显了旨在增强安全性的夜间监控系统的重大可靠性隐患。代码可用：https://github.com/MyNiuuu/AdvNIR
引用
@article{arxiv.2412.13709,
title = {Physics-Based Adversarial Attack on Near-Infrared Human Detector for Nighttime Surveillance Camera Systems},
author = {Muyao Niu and Zhuoxiao Li and Yifan Zhan and Huy H. Nguyen and Isao Echizen and Yinqiang Zheng},
journal= {arXiv preprint arXiv:2412.13709},
year = {2024}
}
备注
Appeared in ACM MM 2023