形状不变的三维对抗点云

对抗性与不可察觉性是对抗扰动的两个基本却冲突的特性。先前针对三维点云识别的对抗攻击常因明显的点离群值而受批评,因为它们仅在耗时的优化中借助如全局距离损失之类的“隐式约束”来限制所生成噪声。而点云是一种高度结构化的数据格式,难以用简单的损失或度量恰当地约束其扰动。本文中,我们提出一种新型点云敏感度图,以提升点扰动的效率与不可察觉性。该图揭示了点云识别模型在遭遇形状不变对抗噪声时的脆弱性。这些噪声沿形状表面设计,带有“显式约束”而非额外距离损失。具体而言,我们首先对点云输入的每个点施加可逆坐标变换,以降低点的一个自由度并限制其于切平面上的移动。然后,我们利用白盒模型上所得变换点云的梯度计算最佳攻击方向。最后,我们为每个点分配非负分数以构建敏感度图,其有益于我们工作中扩展的白盒对抗不可察觉性与黑盒查询效率。大量评估证明,我们的方法在各种点云识别模型上取得优越性能,且具有令人满意的对抗不可察觉性与对多种点云防御设置的强抗性。我们的代码见:https://github.com/shikiw/SI-Adv。