ICCVAug, 2021

光学对抗攻击

PDF
TL;DR介绍了一种基于结构化照明的 OPtical ADversarial attack（OPAD）方法，该方法可以经由计算机、低成本投影仪、以及摄像机而不是物理触碰目标对象，实现欺骗图像分类器的目的，而且可以进行白盒、黑盒、定向和非定向攻击。在本文中，作者基于一个投影仪 - 摄像机系统模型提出了新的攻击优化方案并对其进行实验验证，同时给出了该系统的基本性能限制量化分析。
optical adversarial attackimage classifiersstructured illuminationprojector-camera modelwhite-box
发现论文，激发创造
  • 投射性麻烦：基于光的对深度学习分类器的对抗攻击

    本文提出了一种利用光影对深度学习图像分类系统进行物理攻击的方法，通过实验发现选择不同的光影模式可以使得 2D 和 3D 物体的分类精度大幅降低。

    Oct, 2018

  • 对 3D 人脸识别的物理世界光学对抗攻击

    通过利用光学噪声攻击 3D 人脸识别系统，该研究设计了端到端的攻击算法，成功地攻击了基于点云和深度图的 3D 人脸识别算法，变形不可见且需要比先前的物理攻击更少的扰动。

    May, 2022

  • 对抗相机补丁：一种有效并且稳定的物理世界目标检测攻击

    研究者正在研究深度神经网络的易受攻击性，并提出了一种新的基于相机的攻击方法，该方法引入了摄像头补丁以执行潜在的隐秘攻击，并提出了一个对抗相机补丁来解决多补丁复杂性的问题。

    Dec, 2023

  • RoPAD: 无监督对抗不变性强的强鲁棒性演示攻击检测

    RoPAD 是一种使用深度学习的端到端模型，通过无监督的对抗不变性来忽略图像中的视觉干扰，从而实现有效的演示攻击检测。实验证明该框架在多个基准数据集上展现了最先进的性能。

    Mar, 2019

  • X-Adv: 面向 X 光禁止物品检测的物理对抗性物体攻击

    本文针对安全关键场景的 X 光探测中的对禁止物品侦测的对抗攻击进行了第一步探索，提出了能生成可物理打印的金属的 X-adv，以及解决着色 / 纹理褪色问题的可微转换器和可放置在重叠物件行李中的贪心策略的敌对攻击者，最后验证了其在数字和物理世界中的有效性并展示了 XAD 物理世界 X 射线对抗攻击数据集。

    Feb, 2023

  • LiDAR 物体检测可实现的对抗样本

    本文提出了一种生成通用三维对抗目标的方法，用以干扰自动驾驶系统中激光雷达探测器，这一方法成功率高达 80％，并开展了一些防御研究，旨在建立更安全可靠的自动驾驶系统。

    Apr, 2020

  • 人脸识别系统的对抗性光照投影攻击：可行性研究

    本文使用基于深度学习的对抗光投影攻击系统在人脸识别领域进行了实时物理攻击的实验，证实了人脸识别系统在白盒和黑盒攻击设置下均易受到对抗攻击的威胁。

    Mar, 2020

  • 隐形的贴片：自然黑盒对目标检测器的敌对攻击

    该研究提出一种基于生成对抗网络（GAN）图像流形和物理世界的无梯度攻击方法，用于生成自然物理的对抗贴片以欺骗对目标物体检测器的分类。结果表明，该方法在数字和物理场景下均有效。

    Mar, 2023

  • 对抗红外几何：利用几何特征对抗红外行人检测器的攻击

    我们提出了一种新的红外物理攻击方法 Adversarial Infrared Geometry (AdvIG)，通过建模不同的几何形状（线条、三角形、椭圆形）并使用粒子群优化（PSO）来优化其物理参数，从而实现了高效的黑盒查询攻击。通过大量实验评估了 AdvIG 的有效性、隐蔽性和鲁棒性，并在数字攻击和物理攻击实验中证实了 AdvIG 方法的高效性。我们呼吁广泛关注 AdvIG 作为一种简单高效的黑盒对抗攻击方法。

    Mar, 2024

  • AdvGen: 针对人脸展示攻击检测系统的物理对抗攻击

    通过自动生成对抗性图像的方式，本研究展示了面部认证系统在实际场景中对对抗性图像的脆弱性，并提出 AdvGen 作为一种自动化生成对抗网络来模拟打印和重放攻击，生成可以欺骗最新型 PAD 的对抗性图像，其攻击成功率高达 82.01%。本研究在四个数据集和十个最新型 PAD 上对 AdvGen 进行了广泛测试，并在真实的物理环境中进行了实验证明了攻击的有效性。

    Nov, 2023