面向视频序列目标检测的结构化通用对抗攻击
计算机视觉与模式识别
2025-10-17 v1
摘要
视频基于目标检测在安全关键应用中发挥着重要作用。尽管深度学习基于目标检测器已取得显著性能，但它们仍对对抗攻击保持脆弱，尤其是涉及通用扰动的攻击。本文提出了一种针对视频目标检测的最小扰动通用对抗攻击，利用核范正则化来促进背景区域集中化的结构化扰动。为高效优化此公式，我们采用自适应、乐观的指数化梯度方法，以提高可扩展性和收敛性。我们的结果表明，所提出的攻击在有效性方面优于低秩投影梯度下降和弗兰克-沃尔夫攻击，同时保持高度隐形性。所有代码和数据均公开于 https://github.com/jsve96/AO-Exp-Attack。
引用
@article{arxiv.2510.14460,
title = {Structured Universal Adversarial Attacks on Object Detection for Video Sequences},
author = {Sven Jacob and Weijia Shao and Gjergji Kasneci},
journal= {arXiv preprint arXiv:2510.14460},
year = {2025}
}
备注
Accepted at GCPR 2025 (German Conference on Pattern Recognition). This is a different version as submitted to the conference, not the official conference proceedings