RPATTACK：面向通用目标检测器的精炼补丁攻击
计算机视觉与模式识别
2021-03-24 v1 人工智能
摘要
如今，诸如 YOLO 和 Faster R-CNN 及其变体的通用目标检测器被广泛应用于许多场景中。许多工作已揭示这些检测器极易受到对抗补丁攻击。以往针对目标检测器的基于补丁的攻击工作所生成的扰动区域非常大，对于攻击而言并非必要且易被肉眼察觉。为生成更少但更高效的扰动，我们提出了一种新颖的基于补丁的方法以攻击通用目标检测器。首先，我们提出一种补丁选择与精炼方案，以寻找对攻击最重要的像素并逐步去除无关紧要的扰动。然后，为进行稳定的集成攻击，我们平衡各检测器的梯度，以避免在训练阶段对其中某一个过度优化。我们的 RPAttack 在 VOC 2007 测试集上仅修改 0.32% 的像素，便能对 Yolo v4 和 Faster R-CNN 均达到惊人的 100% 漏检率。我们的代码见 https://github.com/VDIGPKU/RPAttack。
引用
@article{arxiv.2103.12469,
title = {RPATTACK: Refined Patch Attack on General Object Detectors},
author = {Hao Huang and Yongtao Wang and Zhaoyu Chen and Zhi Tang and Wenqiang Zhang and Kai-Kuang Ma},
journal= {arXiv preprint arXiv:2103.12469},
year = {2021}
}
备注
6 pages, 4 figures, IEEE International Conference on Multimedia and Expo (ICME) 2021