物理世界中的视觉对抗攻击与防御:综述
计算机视觉与模式识别
2026-01-13 v6
摘要
尽管深度神经网络(DNNs)已广泛应用于各种真实场景,它们仍易受对抗样本的影响。计算机视觉中的对抗攻击根据其不同形式可分为数字攻击和物理攻击。与在数字像素中生成扰动的数字攻击相比,物理攻击在真实世界环境中更具实用性。由于物理对抗样本带来的严重安全风险,近年来已开展许多研究以评估DNNs的物理对抗鲁棒性。在本文中,我们提供了对当前计算机视觉中物理对抗攻击与防御的全面综述。我们通过按攻击任务、攻击形式和攻击方法组织物理攻击建立了一个分类体系。该方法为读者提供了从多视角对该主题的系统理解。对于物理防御,我们将其分为DNN模型的前处理、中处理和后处理,以确保对对抗防御的全面覆盖。基于本综述,我们讨论了该研究领域面临的挑战并对未来方向进行了展望。
引用
@article{arxiv.2211.01671,
title = {Visual Adversarial Attacks and Defenses in the Physical World: A Survey},
author = {Xingxing Wei and Bangzheng Pu and Shiji Zhao and Jiefan Lu and Baoyuan Wu},
journal= {arXiv preprint arXiv:2211.01671},
year = {2026}
}