蒙蔽和模糊多对象跟踪器与对抗性干扰
Haibo Pang1, Rongqi Ma1, Jie Su1
1School of Cyber Science and Engineering, Zhengzhou University, Zhengzhou City, 450003, China.
概括
一个新的盲目模糊攻击 (BBA) 通过利用运动信息来愚弄深度多对象追踪器. 这种新型的对抗性攻击显著降低了追踪器的性能,证明了在不同算法中具有很高的可转移性.
科学领域:
- 计算机视觉 计算机视觉
- 深度学习 (Deep Learning) 是一种深度学习.
- 敌对的机器学习
背景情况:
- 深度多对象追踪器整合了检测和关联,使它们易受敌对攻击的影响.
- 现有的攻击主要增加了ID切换,不足以降低追踪器性能.
- 不易察觉的干扰可以欺骗深度学习模型,包括对象追踪器.
研究的目的:
- 提出一种新的对抗性攻击方法,盲目模糊攻击 (BBA),以有效地欺骗多对象追踪器.
- 探索时空运动信息在制造敌对攻击方面的潜力.
- 评估攻击的有效性和可转移性在最先进的多对象跟踪算法.
主要方法:
- 开发了一种新的盲目模糊攻击 (BBA),利用时空运动信息.
- 采用了一个训练有素的扰动发生器,具有盲模损失函数.
- 在TraDeS,CenterTrack,FairMOT和ByteTrack上使用MOT-Challenge数据集 (MOT16,MOT17,MOT20) 评估了BBA.
主要成果:
- BBA成功地使目标对追踪器看不见,同时导致背景元素被视为移动目标.
- 这次攻击大大降低了TraDeS和ByteTrack的MOTA (多个对象跟踪精度).
- 证明了BBA方法在各种最先进的跟踪算法中具有很高的可转移性.
结论:
- 拟议的盲模攻击 (BBA) 是降低多对象跟踪器性能的一种有效方法.
- 时空运动信息为开发复杂的对抗性攻击提供了强有力的途径.
- BBA强调了当前深度多对象跟踪系统的重大漏洞.
