光学遥感图像目标检测中具威胁性的补丁攻击
计算机视觉与模式识别
2023-07-19 v1 人工智能
密码学与安全
机器学习
摘要
自然图像目标检测中的先进补丁攻击(PAs)已揭示出基于深度神经网络方法的重大安全漏洞。然而,在光学遥感图像(O-RSIs)中,该主题鲜受关注。为此,我们聚焦于这一研究,即 O-RSIs 中目标检测的 PAs,并提出一种在不牺牲视觉质量前提下更具威胁性的 PA,称为 TPA。具体而言,为解决现有补丁选择方案中局部与全局景观不一致的问题,我们提出利用目标函数在掩码前后的差分(First-Order Difference, FOD)来选择待攻击的子补丁。进一步,考虑到将现有基于坐标的损失直接应用于 PAs 时的梯度淹没问题,我们设计了一种专用于 PAs 的基于 IoU 的目标函数,称为边界框漂移损失(Bounding box Drifting Loss, BDL),其将检测到的边界框推离初始边界框直至二者无交集。最后,在两个广泛使用的基准数据集 DIOR 和 DOTA 上,使用四种典型检测器(Faster R-CNN、FCOS、RetinaNet 和 YOLO-v4)对我们 TPA 的综合评估证明了其显著有效性。据我们所知,这是首次尝试研究 O-RSIs 中目标检测的 PAs,希望本工作能引起读者对该主题研究的兴趣。
引用
@article{arxiv.2302.06060,
title = {Threatening Patch Attacks on Object Detection in Optical Remote Sensing Images},
author = {Xuxiang Sun and Gong Cheng and Lei Pei and Hongda Li and Junwei Han},
journal= {arXiv preprint arXiv:2302.06060},
year = {2023}
}