SSL-OTA：揭示自监督学习目标检测中的后门威胁
密码学与安全
2024-06-13 v2 计算机视觉与模式识别
摘要
自监督学习(SSL)的广泛采用导致后门攻击的安全威胁增加。现有研究主要关注图像分类中的后门攻击，对目标检测的影响探索有限。目标检测在安全敏感应用（如自动驾驶）中至关重要，后门攻击严重威胁人类生命和财产。本文提出首个针对SSL场景下目标检测任务的后门攻击，称为对象变换攻击(SSL-OTA)。SSL-OTA使用能够将目标对象预测改变为所需类别的触发器，包括两种攻击：朴素攻击(NA)和双源混合攻击(DSBA)。NA在目标检测器的下游微调期间进行数据投毒，而DSBA额外将后门注入预训练编码器。我们建立了适当的指标，并在基准数据集上进行了大量实验，证明了所提出攻击的有效性及其对潜在防御的抵抗力。值得注意的是，NA和DSBA在极低的投毒率(0.5%)下都实现了高攻击成功率(ASR)。结果强调了在基于SSL的目标检测中考虑后门威胁的重要性，并为该领域提供了新的视角。
引用
@article{arxiv.2401.00137,
title = {SSL-OTA: Unveiling Backdoor Threats in Self-Supervised Learning for Object Detection},
author = {Qiannan Wang and Changchun Yin and Lu Zhou and Liming Fang},
journal= {arXiv preprint arXiv:2401.00137},
year = {2024}
}
备注
10 pages, 4figures