RenderBender：基于可微渲染的对抗攻击综述
机器学习
2025-06-03 v2 密码学与安全
计算机视觉与模式识别
摘要
可微渲染技术如高斯泼溅和神经辐射场已成为生成三维物体和场景高保真模型的强大工具。它们能够生成物理上合理且可微的场景模型，这是产生针对深度神经网络的物理上合理的对抗攻击所需的关键要素。然而，对抗机器学习社区尚未充分探索这些能力，部分原因在于不同的攻击目标（如误分类、误检测）以及实现这些目标的广泛场景操纵（如修改纹理、网格）。本综述贡献了首个统一多样目标和任务的框架，便于比较现有工作、识别研究空白并突出未来方向——从扩展攻击目标和任务以适应新模态、最先进模型、工具和流水线，到强调在复杂场景中研究现实威胁的重要性。
引用
@article{arxiv.2411.09749,
title = {RenderBender: A Survey on Adversarial Attacks Using Differentiable Rendering},
author = {Matthew Hull and Haoran Wang and Matthew Lau and Alec Helbling and Mansi Phute and Chao Zhang and Zsolt Kira and Willian Lunardi and Martin Andreoni and Wenke Lee and Polo Chau},
journal= {arXiv preprint arXiv:2411.09749},
year = {2025}
}
备注
9 pages, 1 figure, 2 tables, IJCAI '25 Survey Track