基于对抗贡献度的点云扰动攻击方法

扰动更少，迁移更高

通过分析不同点扰动的对抗贡献，在较低扰动幅度下实现更高的黑盒迁移攻击成功率。

Wei, Shuxin · 黄李峰 · 高成英 · 刘宁

Pattern Recognition 2026

参数信息

迁移攻击成功率提升

17.90 %

技术优势

扰动更少，迁移更高

通过对抗贡献度引导的扰动丢弃，抑制无效扰动，从而在较低扰动幅度下实现更高迁移性。

抗防御模型鲁棒

实验表明该方法在面对防御模型时仍能保持攻击成功率，具有较强鲁棒性。

应用场景

• 对抗攻击：用于评估点云模型的鲁棒性，发现安全漏洞。
• 点云分类：针对分类模型生成对抗样本，检验分类器脆弱性。
• 3D目标识别：针对3D目标识别系统实施黑盒攻击，测试其安全性。