从紧凑子空间视角重新思考点云可迁移对抗攻击
计算机视觉与模式识别
2026-02-02 v1
摘要
点云可迁移的对抗攻击仍然具有挑战性，因为现有方法常常依赖于模型特定的梯度或启发式方法，这限制了对未知体系结构的泛化。本文从紧凑子空间视角重新思考对抗可迁移性，提出一种名为CoSA的可迁移攻击框架，该框架在共享的低维语义空间内工作。具体而言，每个点云被表示为捕获共享语义结构的类别特定原型的紧凑组合，而对抗扰动则在低秩子空间内进行优化，以引发恒定且与体系结构无关的变化。这种设计抑制了模型依赖的噪声，并将扰动限制在语义上有意义的方向上，从而在不依赖代理特定瑕疵的情况下提高跨模型可迁移性。在多个数据集和网络体系结构上的大量实验表明，CoSA在保持竞争性不可见性和在常见防御策略下的鲁棒性方面， consistently 优于最先进的可迁移攻击。代码将在论文接受后公开。
引用
@article{arxiv.2601.23102,
title = {Rethinking Transferable Adversarial Attacks on Point Clouds from a Compact Subspace Perspective},
author = {Keke Tang and Xianheng Liu and Weilong Peng and Xiaofei Wang and Daizong Liu and Peican Zhu and Can Lu and Zhihong Tian},
journal= {arXiv preprint arXiv:2601.23102},
year = {2026}
}