面向Segment Anything Model (SAM)的区域引导攻击

Segment Anything Model (SAM)是图像分割的基石，在各种应用中展现出卓越性能，特别是在自动驾驶和医学成像等精确分割至关重要的领域。然而，SAM容易受到对抗攻击的影响，这些攻击可通过微小的输入扰动显著损害其功能。传统的FGSM和PGD等方法由于依赖忽略空间细节的全局扰动，在分割任务中往往效果不佳。最近的方法如Attack-SAM-K和UAD已开始应对这些挑战，但它们通常依赖外部提示，且未能充分利用分割过程中的结构互依赖性。这一局限性凸显了对一种利用分割任务独特特性的新型对抗策略的需求。作为回应，我们提出了Region-Guided Attack (RGA)，专门针对SAM设计。RGA利用区域引导图（Region-Guided Map, RGM）来操控分割区域，实现定向扰动，将大分割区域碎裂、将小区域扩展，从而导致SAM输出错误结果。实验表明，RGA在白盒和黑盒场景下均取得了高成功率，强调了针对此类复杂攻击开发鲁棒防御的必要性。RGA不仅揭示了SAM的脆弱性，也为开发更具鲁棒性的图像分割对抗防御奠定了基础。