重访目标检测器对抗性补丁防御：统一评估、大规模数据集与新见解
计算机视觉与模式识别
2025-08-08 v2 密码学与安全
摘要
开发针对目标检测器对抗性补丁攻击的可靠防御正受到日益关注。然而，我们发现现有防御评估缺乏统一和全面的框架，导致对当前方法的评估不一致且不完整。为此，我们重访了 11 个代表性防御方法，提出首个补丁防御基准测试，涵盖 2 个攻击目标、13 种补丁攻击、11 个目标检测器以及 4 种多样化指标。这一工作构建了大规模对抗性补丁数据集，包含 94 种补丁类型和 94,000 张图像。我们的全面分析揭示了新见解：(1) 对自然补丁的防御难度在于数据分布，而非常被认为的高频率。我们新构建的数据集包含多样化的补丁分布，可提升现有防御方法在 [email protected] 上达 15.09%。(2) 被攻击目标的平均精度（mAP）而非常被追求的补丁检测精度，与防御性能表现高度一致。(3) 自适应攻击可显著规避现有防御措施，复杂或随机模型以及通用补丁特性的防御相对更为稳健。我们希望我们的分析能为正确评估补丁攻击/防御并推动其设计提供指导。代码和数据集已在 https://github.com/Gandolfczjh/APDE 提供，后续将持续集成新的攻击/防御方法。
引用
@article{arxiv.2508.00649,
title = {Revisiting Adversarial Patch Defenses on Object Detectors: Unified Evaluation, Large-Scale Dataset, and New Insights},
author = {Junhao Zheng and Jiahao Sun and Chenhao Lin and Zhengyu Zhao and Chen Ma and Chong Zhang and Cong Wang and Qian Wang and Chao Shen},
journal= {arXiv preprint arXiv:2508.00649},
year = {2025}
}
备注
Accepted by ICCV 2025