来源：期刊VIP网 时间：
作者：朱鹤然;江昊;朱劼;
单位：武汉大学电子信息学院;
摘要：物理对抗攻击中的伪装攻击能有效误导目标检测模型产生错误的预测结果。然而，现有对抗伪装普遍存在检测模型对被伪装物体的预测类别会随观察视角的改变而变动的问题。这种多视角下攻击结果的不一致降低了对抗性伪装方法的隐蔽性。为提高对抗伪装的隐蔽性，提出一种多视角一致的对抗伪装生成方法。该方法通过增强潜在空间中对抗伪装的语义约束，确保伪装的语义信息与指定类别始终保持一致，最终使生成的对抗伪装表现出更好的隐蔽性。针对主流目标检测开展多次攻击实验，结果表明：所提方法不仅表现出显著的攻击一致性，而且大幅降低了模型的检测准确率。例如，能使YOLOv5(you only look once version 5)的检测准确率从97.4%降至14.6%。此对抗伪装技术为研究人员提升机器视觉系统安全性提供了有效工具与参考。
关键词：深度神经网络;;对抗样本;;物理对抗伪装;;语义融合
