面向目标检测器的通用多视角黑箱攻击方法——基于布局优化

目标检测器对由小扰动生成的对抗样本表现出高度脆弱性，这些扰动能够欺骗检测器。现有对抗攻击主要聚焦于白箱攻击，且仅在特定视角下有效，而通用多视角黑箱攻击的研究相对不足，限制了其在实际应用中的泛化能力。本文提出一种新颖的通用多视角黑箱攻击方法，通过设计的布局优化算法，对针对3D对象的通用对抗UV纹理进行优化。具体而言，将图像贴纸在UV纹理上的放置视为基于圆形的布局优化问题，其目标是在多视角场景下找到最优的圆形布局，以便于对目标检测器进行欺骗。为确保图像贴纸的合理放置，精心设计了两个约束条件。为优化布局，我们采用基于所设计的重要感知选择策略增强的随机搜索算法，从图像贴纸池中为每个圆形找到最合适的图像贴纸。对四个常用目标检测器进行的大量实验表明，在多视角场景下，检测性能平均下降了74.29%。此外，本文设计了一种基于照片写实模拟器的新型评估工具，用于公正地评估基于纹理的攻击。