基于曲率感知的3D点云隐蔽分块后门攻击
计算机视觉与模式识别
2026-05-12 v4
摘要
后门攻击对深度神经网络（DNN）构成严重威胁，通过植入可通过预定义触发器激活的隐藏后门来恶意操纵模型行为。近期研究已将后门攻击扩展至3D点云，但大多数现有触发器是样本级的，往往导致可见的几何伪影或高昂的优化成本。为解决这些局限性，我们提出了隐蔽分块后门攻击（SPBA），一种面向3D点云的分块后门攻击框架。具体而言，SPBA将点云分解为局部块，每个块由最远点采样（FPS）中心及其K近邻（KNN）形成。候选块通过基于局部曲率变化的块不可感知性分数进行排序，并通过仅扰动现有点的坐标（保持原始点数不变）向所选块注入统一谱触发器。在ModelNet40和ShapeNetPart上的广泛实验进一步表明，SPBA在先前方法中达到了最先进的隐蔽性，相比样本级谱基线将谱触发器计算量减少了98.43%，同时保持了具有竞争力的攻击性能。这些结果支持局部谱设计作为3D点云模型中隐蔽后门攻击的有效且高效的方法。代码地址：https://github.com/HazardFY/SPBA。
引用
@article{arxiv.2503.09336,
title = {Stealthy Patch-Wise Backdoor Attack in 3D Point Cloud via Curvature Awareness},
author = {Yu Feng and Dingxin Zhang and Runkai Zhao and Yong Xia and Heng Huang and Weidong Cai},
journal= {arXiv preprint arXiv:2503.09336},
year = {2026}
}
备注
12 pages, 6 figures, 11 tables