强化式本体化主动防御：利用自适应交互提升 3D 环境中视觉感知的鲁棒性
计算机视觉与模式识别
2025-07-25 v1 人工智能
摘要
3D 环境中的对抗攻击已成为视觉感知系统 reliability 的关键威胁，尤其是在身份验证和自动驾驶等安全敏感应用中。这些攻击利用对抗性补丁和 3D 对象，通过利用复杂场景中深层神经网络(DNN)漏洞来操纵预测结果。现有防御机制，如对抗训练和净化，主要采用被动策略来增强鲁棒性。然而，这些方法往往依赖于针对对抗战术的预定义假设，限制了其在动态 3D 环境中的适应性。为此，我们引入强化式本体化主动防御(Rein-EAD)，该框架利用自适应探索和与环境交互来提高 3D 对抗情境下的感知鲁棒性。通过实施平衡即时预测准确率与预测熵最小化的多目标，Rein-EAD 在多步视野内优化防御策略。此外，Rein-EAD 包含一种不确定性导向的奖励塑造机制，有助于高效策略更新，从而降低计算开销并支持无需可微环境的实际应用。全面实验验证了 Rein-EAD 的有效性，表明其在减少攻击成功率方面具有显著效果，同时在保持标准准确率方面也表现出色。值得注意的是，Rein-EAD 对未知和自适应攻击具有鲁棒的泛化能力，适用于包括 3D 对象分类、人脸识别和自动驾驶在内的实际复杂任务。
引用
@article{arxiv.2507.18484,
title = {Reinforced Embodied Active Defense: Exploiting Adaptive Interaction for Robust Visual Perception in Adversarial 3D Environments},
author = {Xiao Yang and Lingxuan Wu and Lizhong Wang and Chengyang Ying and Hang Su and Jun Zhu},
journal= {arXiv preprint arXiv:2507.18484},
year = {2025}
}
备注
arXiv admin note: text overlap with arXiv:2404.00540