論文の概要: The Translucent Patch: A Physical and Universal Attack on Object Detectors

• arxiv url: http://arxiv.org/abs/2012.12528v1
• Date: Wed, 23 Dec 2020 07:47:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-25 18:15:04.171216
• Title: The Translucent Patch: A Physical and Universal Attack on Object Detectors
• Title（参考訳）: 半透明パッチ:物体検出器に対する物理的および普遍的な攻撃
• Authors: Alon Zolfi and Moshe Kravchik and Yuval Elovici and Asaf Shabtai
• Abstract要約: 最先端の物体検出器を馬鹿にする非接触の物理パッチを提案する。 パッチの主な目標は、選択されたターゲットクラスのすべてのインスタンスを隠すことです。 我々のパッチは、すべてのストップサインインスタンスの42.27%の検出を阻止できた。
• 参考スコア（独自算出の注目度）: 48.31712758860241
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Physical adversarial attacks against object detectors have seen increasing success in recent years. However, these attacks require direct access to the object of interest in order to apply a physical patch. Furthermore, to hide multiple objects, an adversarial patch must be applied to each object. In this paper, we propose a contactless translucent physical patch containing a carefully constructed pattern, which is placed on the camera's lens, to fool state-of-the-art object detectors. The primary goal of our patch is to hide all instances of a selected target class. In addition, the optimization method used to construct the patch aims to ensure that the detection of other (untargeted) classes remains unharmed. Therefore, in our experiments, which are conducted on state-of-the-art object detection models used in autonomous driving, we study the effect of the patch on the detection of both the selected target class and the other classes. We show that our patch was able to prevent the detection of 42.27% of all stop sign instances while maintaining high (nearly 80%) detection of the other classes.
• Abstract（参考訳）: 近年、物体検出器に対する物理的敵対攻撃が成功している。 しかし、これらの攻撃は物理的パッチを適用するために興味のあるオブジェクトに直接アクセスする必要がある。 さらに、複数のオブジェクトを隠すには、各オブジェクトに逆パッチを適用する必要がある。 本稿では,カメラのレンズに配置したパターンを念入りに組み込んだ非接触半透明の物理的パッチを,最先端の物体検出器を騙すために提案する。 パッチの主な目標は、選択されたターゲットクラスのすべてのインスタンスを隠すことです。 さらに、パッチ構築に使用される最適化手法は、他の(未対象の)クラスの検出が損なわれないようにすることを目的としている。 そこで,自動運転における最先端の物体検出モデルを用いた実験では,パッチが選択された対象クラスと他のクラスの両方の検出に与える影響について検討する。 我々のパッチは、他のクラスの高い(約80%)検出を維持しながら、すべてのストップサインインスタンスの42.27%の検出を防止できた。

関連論文リスト

• Attacking Object Detector Using A Universal Targeted Label-Switch Patch [44.44676276867374]
  深層学習に基づく物体検出装置(OD)に対する敵対的攻撃は,近年広く研究されている。 以前の研究では、ターゲットオブジェクトにパッチを適用したODに対する誤分類攻撃は提案されなかった。 我々は,最先端のオブジェクト検出器であるYOLOに対する,新しい,普遍的で,標的とした,ラベルスウィッチ攻撃を提案する。
  論文  参考訳（メタデータ） (2022-11-16T12:08:58Z)
• ObjectSeeker: Certifiably Robust Object Detection against Patch Hiding Attacks via Patch-agnostic Masking [95.6347501381882]
  物体探知機は物理的世界のパッチ隠蔽攻撃に弱いことが判明した。 我々は,堅牢なオブジェクト検出器を構築するためのフレームワークとしてObjectSeekerを提案する。
  論文  参考訳（メタデータ） (2022-02-03T19:34:25Z)
• Segment and Complete: Defending Object Detectors against Adversarial Patch Attacks with Robust Patch Detection [142.24869736769432]
  敵のパッチ攻撃は最先端の物体検出器に深刻な脅威をもたらす。 パッチ攻撃に対して物体検出器を防御するフレームワークであるSegment and Complete Defense (SAC)を提案する。 SACは、物理的パッチ攻撃の標的攻撃成功率を著しく低減できることを示す。
  論文  参考訳（メタデータ） (2021-12-08T19:18:48Z)
• Context-Aware Transfer Attacks for Object Detection [51.65308857232767]
  本稿では,オブジェクト検出のためのコンテキスト認識攻撃を新たに生成する手法を提案する。 オブジェクトとその相対的な位置と大きさの共起をコンテキスト情報として利用することにより、ターゲットの誤分類攻撃をうまく生成できることを示す。
  論文  参考訳（メタデータ） (2021-12-06T18:26:39Z)
• Dynamic Adversarial Patch for Evading Object Detection Models [47.32228513808444]
  本研究では,実環境に適用したオブジェクト検出器に対する革新的な攻撃手法を提案する。 本手法では,対象物体上の複数の所定位置に配置される動的対向パッチを用いる。 対象オブジェクトと分類のセマンティック距離を考慮したパッチを生成することで攻撃を改善した。
  論文  参考訳（メタデータ） (2020-10-25T08:55:40Z)
• Adversarial Patch Camouflage against Aerial Detection [2.3268622345249796]
  深層学習に基づく物体検出装置をドローンの監視映像に適用することにより、地上の軍事資産の検出を行うことができる。 本研究では,無人航空監視のユースケースに対して,パッチベースの敵攻撃を適用した。 以上の結果から,敵パッチ攻撃は従来のカモフラージュ活動の代替となる可能性が示唆された。
  論文  参考訳（メタデータ） (2020-08-31T15:21:50Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。