面向深度学习计算机视觉系统的最先进基于光学的物理对抗攻击
计算机视觉与模式识别
2024-10-28 v1 密码学与安全
图像与视频处理
摘要
对抗攻击可通过向原始输入植入人眼难以察觉的微小扰动，误导深度学习模型做出错误预测，这对基于深度学习的计算机视觉系统构成了巨大的安全威胁。与数字对抗攻击相比，物理对抗攻击更为现实，因为扰动是在输入被捕获并转换为视觉系统内的二值图像之前引入的。在本文中，我们聚焦于物理对抗攻击，并将其进一步分类为侵入式与非侵入式。基于光学的物理对抗攻击技术（例如使用光照射）属于非侵入式类别。由于扰动与真实世界中自然环境产生的效应非常相似，人类很容易忽略这些扰动。它们具有高度隐蔽性与可执行性，并对真实系统构成重大甚至致命的威胁。本文聚焦于面向计算机视觉系统的基于光学的物理对抗攻击技术，重点介绍与讨论此类技术。
引用
@article{arxiv.2303.12249,
title = {State-of-the-art optical-based physical adversarial attacks for deep learning computer vision systems},
author = {Junbin Fang and You Jiang and Canjian Jiang and Zoe L. Jiang and Siu-Ming Yiu and Chuanyi Liu},
journal= {arXiv preprint arXiv:2303.12249},
year = {2024}
}
备注
This work has been submitted to the IEEE for possible publication