点云对抗防御网络

抗 3D 攻击

通过多视图特征融合与平滑对抗训练，在不牺牲分类精度的前提下，显著提升3D点云模型对多种对抗攻击的鲁棒性。

Shen, Zhang · Du, Anan · Zhang, Jue · Gao, Yiwen · Pang, Shuchao

IEEE Transactions on Geoscience and Remote Sensing 2024

参数信息

鲁棒性提升

15.34 %

验证数据集数量

3

技术优势

提升鲁棒性

通过平滑对抗训练引导模型学习更平滑的决策边界，从而对对抗攻击更加鲁棒。

全面捕捉特征

多视图防御模块利用几何邻近性和空间查询来全面探索点云数据的固有特征，从而更好地捕捉复杂结构。

多数据集验证

在三个基准数据集上针对多种攻击进行了实验，证明了方法的泛化能力。

应用场景

• 机器人感知安全：保护机器人视觉系统免受对抗攻击，确保安全关键场景下的可靠感知。
• 无人机点云处理：增强无人机点云处理对恶意扰动的鲁棒性，提升自主飞行安全性。
• 3D视觉对抗防御：提供多视图特征融合与平滑训练的完整防御方案，可直接用于3D视觉系统防护。
• 具身智能感知鲁棒性：提升具身智能感知模型对对抗输入的容忍度，使机器人在复杂环境中稳定运行。