通过中轴变换实现可迁移且不可抵御的点云攻击
计算机视觉与模式识别
2025-07-28 v1
摘要
研究点云上的对抗性攻击对于评估和改进 3D 深度学习模型的鲁棒性至关重要。然而，大多数现有攻击方法是在理想的白盒设置下开发的，往往在针对未知模型的迁移性方面有限，以及对常见防御机制的鲁棒性不足。本文提出了 MAT-Adv，一种新型对抗性攻击框架，通过显式扰动中轴变换（MAT）表示来增强迁移性和不可抵御性，以在结果点云中引发内在的对抗性。具体而言，我们采用自编码器将输入点云投影到紧凑的 MAT 表示中，这些表示捕捉点云内在几何结构。通过扰动这些内在表示，MAT-Adv 引入结构层面的对抗性特征，这些特征在 diverse models 和 defense strategies 中保持有效。为缓解过拟合和防止扰动塌陷，我们在 MAT 扰动的优化中引入了 dropout 策略，进一步提高了迁移性和不可抵御性。广泛的实验表明，MAT-Adv 在迁移性和不可抵御性方面显著优于现有的 state-of-the-art 方法。代码将在论文接受后公开。
引用
@article{arxiv.2507.18870,
title = {Transferable and Undefendable Point Cloud Attacks via Medial Axis Transform},
author = {Keke Tang and Yuze Gao and Weilong Peng and Xiaofei Wang and Meie Fang and Peican Zhu},
journal= {arXiv preprint arXiv:2507.18870},
year = {2025}
}