論文の概要: Attacking Object Detector Using A Universal Targeted Label-Switch Patch

• arxiv url: http://arxiv.org/abs/2211.08859v1
• Date: Wed, 16 Nov 2022 12:08:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-17 14:47:24.454952
• Title: Attacking Object Detector Using A Universal Targeted Label-Switch Patch
• Title（参考訳）: ユニバーサル・ターゲット・ラベルスイッチパッチを用いた物体検出
• Authors: Avishag Shapira, Ron Bitton, Dan Avraham, Alon Zolfi, Yuval Elovici, Asaf Shabtai
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 44.44676276867374
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Adversarial attacks against deep learning-based object detectors (ODs) have been studied extensively in the past few years. These attacks cause the model to make incorrect predictions by placing a patch containing an adversarial pattern on the target object or anywhere within the frame. However, none of prior research proposed a misclassification attack on ODs, in which the patch is applied on the target object. In this study, we propose a novel, universal, targeted, label-switch attack against the state-of-the-art object detector, YOLO. In our attack, we use (i) a tailored projection function to enable the placement of the adversarial patch on multiple target objects in the image (e.g., cars), each of which may be located a different distance away from the camera or have a different view angle relative to the camera, and (ii) a unique loss function capable of changing the label of the attacked objects. The proposed universal patch, which is trained in the digital domain, is transferable to the physical domain. We performed an extensive evaluation using different types of object detectors, different video streams captured by different cameras, and various target classes, and evaluated different configurations of the adversarial patch in the physical domain.
• Abstract（参考訳）: 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。 これらの攻撃は、ターゲットオブジェクトまたはフレーム内のどこかに逆パターンを含むパッチを配置することで、モデルが誤った予測を行う原因となる。 しかし、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。 本研究では,現在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。 私たちの攻撃では 一 画像中の複数の対象物(例えば車)に対向パッチを配置することができるように仕立てられた投影機能であって、それぞれがカメラから離れた位置にあるり、カメラに対して異なる視野角を有することができるもの (ii)攻撃対象のラベルを変更することができるユニークな損失関数。 提案するユニバーサルパッチは、デジタルドメインでトレーニングされ、物理ドメインに転送可能である。 異なるタイプの物体検出器,異なるカメラで捉えた異なるビデオストリーム,および様々なターゲットクラスを用いて広範囲な評価を行い,物理領域における対向パッチの異なる構成の評価を行った。

関連論文リスト

• Object-fabrication Targeted Attack for Object Detection [54.10697546734503]
  物体検出の敵攻撃は 標的攻撃と未標的攻撃を含む。 新たなオブジェクトファブリケーションターゲット攻撃モードは、特定のターゲットラベルを持つ追加の偽オブジェクトをファブリケートする検出器を誤解させる可能性がある。
  論文  参考訳（メタデータ） (2022-12-13T08:42:39Z)
• BadDet: Backdoor Attacks on Object Detection [42.40418007499009]
  対象物検出のための4種類のバックドア攻撃を提案する。 トリガーは、ターゲットクラスのオブジェクトを誤って生成することができる。 単一のトリガーは、イメージ内のすべてのオブジェクトの予測をターゲットクラスに変更することができる。
  論文  参考訳（メタデータ） (2022-05-28T18:02:11Z)
• 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)
• 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)
• DPA: Learning Robust Physical Adversarial Camouflages for Object Detectors [5.598600329573922]
  そこで本研究では,Dense Proposals Attack (DPA) を提案し,検出器の頑健で物理的,ターゲットとした対向カモフラージュを学習する。 カモフラージュは、任意の視点と異なる照明条件下で撮影されたとき、敵対的であり続けるため、頑丈である。 We build a virtual 3D scene using the Unity Simulation engine to evaluate fair and reproducally different physical attack。
  論文  参考訳（メタデータ） (2021-09-01T00:18:17Z)
• The Translucent Patch: A Physical and Universal Attack on Object Detectors [48.31712758860241]
  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。
  論文  参考訳（メタデータ） (2020-12-23T07:47:13Z)
• 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)

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。