SRAW-攻击：基于空间重加权的对抗性形变攻击用于合成孔径雷达目标识别
计算机视觉与模式识别
2026-01-21 v2 图像与视频处理
摘要
合成孔径雷达（SAR）图像因其独特的电磁散射机制而呈现内在信息稀疏性。尽管深度神经网络（DNN）基于SAR的自动目标识别（SAR-ATR）系统广泛采用，但仍对对抗样本脆弱，倾向于过度依赖背景区域，导致鲁棒性下降。现有的SAR-ATR对抗攻击往往需要视觉可感知的扰动才能实现有效性能，从而需要一种在有效性与隐蔽性之间取得平衡的攻击方法。本文提出一种新颖的攻击方法，称为空间重加权对抗性形变（SRAW），通过在前景和背景区域中重新分配预算进行空间形变优化来生成对抗样本。大量实验表明，SRAW显著降低了SOTA SAR-ATR模型的性能，并在不可见性和对抗迁移性方面始终优于现有方法。代码已公开于 https://github.com/boremycin/SAR-ATR-TransAttack。
引用
@article{arxiv.2601.10324,
title = {SRAW-Attack: Space-Reweighted Adversarial Warping Attack for SAR Target Recognition},
author = {Yiming Zhang and Weibo Qin and Yuntian Liu and Feng Wang},
journal= {arXiv preprint arXiv:2601.10324},
year = {2026}
}
备注
5 pages, 4 figures