PointDP：基于扩散模型驱动的3D点云识别对抗攻击净化策略
计算机视觉与模式识别
2022-08-23 v1 密码学与安全
机器学习
摘要
3D 点云正成为自动驾驶、机器人和医学成像等许多现实应用中的关键数据表示。尽管深度学习的成功进一步加速了 3D 点云在物理世界中的采用，但深度学习因其对对抗攻击的脆弱性而臭名昭著。本工作中，我们首先指出最先进的经验防御方法——对抗训练，由于梯度混淆问题，在应用于 3D 点云模型时存在重大局限。我们进一步提出 PointDP，一种利用扩散模型防御 3D 对抗攻击的净化策略。我们在六种代表性 3D 点云架构上对 PointDP 进行了广泛评估，并利用 10 余种强自适应攻击来证明其下界鲁棒性。我们的评估表明，在强攻击下，PointDP 比最先进的净化方法实现了显著更好的鲁棒性。基于随机平滑结合 PointDP 的认证防御结果将在近期补充。
引用
@article{arxiv.2208.09801,
title = {PointDP: Diffusion-driven Purification against Adversarial Attacks on 3D Point Cloud Recognition},
author = {Jiachen Sun and Weili Nie and Zhiding Yu and Z. Morley Mao and Chaowei Xiao},
journal= {arXiv preprint arXiv:2208.09801},
year = {2022}
}