基于SSIM的自动编码器建模,以击败对手补丁攻击
Seungyeol Lee1, Seongwoo Hong1, Gwangyeol Kim2
1Department of Information Security, Hoseo University, Asan 31499, Republic of Korea.
Sensors (Basel, Switzerland)
|October 16, 2024
概括
对自动驾驶汽车交通标志检测的敌对补丁攻击可能会成功. 一种新的自动编码器和基于SSIM的图像重建方法有效地防御这些攻击,保持高检测精度.
科学领域:
- 计算机视觉 计算机视觉
- 人工智能的人工智能
- 网络安全 网络安全
背景情况:
- 对象检测系统对于自动驾驶汽车至关重要,它们利用深度学习在边缘设备上实时处理.
- 边缘设备容易受到物理对抗性攻击,构成安全风险.
- 现有的物体检测模型,如YOLO和Faster-RCNN对此类攻击很容易受到攻击.
研究的目的:
- 调查对抗补丁攻击 (Adv-Patch,Dpatch) 对自动驾驶汽车交通信号检测的有效性.
- 提出和评估一种防御机制来应对这些对抗性攻击.
主要方法:
- 实现了使用You Only Look Once (YOLO) 和Faster-RCNN的交通标志检测.
- 模拟使用Adv-Patch和Dpatch进行对抗补丁攻击,以导致错误检测.
- 开发了一种使用自动编码器和结构相似度指数测量 (SSIM) 的图像重建防御方法.
主要成果:
- 据证实,敌对补丁攻击在导致交通停止标志的错误检测方面具有很高的成功概率.
- 提出的自动编码器和基于SSIM的重建方法证明了有效的防御能力.
- 防御方法的平均平均精度 (mAP) 达到91.46%,即使在双重对抗性攻击下.
结论:
- 自动驾驶汽车的基于深度学习的对象检测易受物理对抗攻击的影响.
- 拟议的图像重建方法为对抗补丁攻击提供了强大的防御.
- 该研究有助于提高自动驾驶系统的安全性和可靠性.
