对抗语义轮廓

5%像素破坏9种检测器

一个将对象轮廓先验引入攻击的稀疏对抗扰动方法，相比手工设计的模式具有更强的攻击性和语义性，能更有效地攻击各种主流目标检测器。

张亦弛 · Zijian, Zhu · 苏杭 · 朱军 · Zheng, Shibao · He, Yuan · Xue, Hui

Computer Vision and Image Understanding 2023

参数信息

白盒攻击像素修改比例

5 %

黑盒攻击像素修改比例

10 %

成功攻击检测器数量

9

技术优势

修改像素更少

利用目标轮廓先验缩小像素搜索空间，白盒攻击仅需修改目标区域不到 5% 的像素即可破坏检测。

跨架构通用

对单阶段、两阶段和 Transformer 等 9 种不同结构的检测器均有效，表明轮廓是各种检测器的共同弱点。

黑盒攻击同样有效

在黑盒场景下，仅需修改约 10% 的像素即可破坏预测，优于手工设计模式的方法。

应用场景

• 对抗鲁棒性评估：用 ASC 作为对抗样本集，评估检测器对稀疏扰动的鲁棒性。
• 自动驾驶安全测试：将 ASC 扩展到自动驾驶数据集，测试车辆检测系统对恶意扰动的脆弱性。
• 安全敏感场景防御：揭示轮廓是各类检测器的共同弱点，帮助开发针对性防御。