基于多尺度均衡正則的對抗補(bǔ)丁攻擊方法

摘要： 目標(biāo)檢測模型在對抗補(bǔ)丁攻擊下表現(xiàn)出顯著脆弱性，嚴(yán)重威脅其在自動駕駛與安防等場景中的應(yīng)用安全?，F(xiàn)有基于遷移的黑盒攻擊方法雖取得一定進(jìn)展，但普遍存在跨模型遷移性不足以及在多尺度檢測頭間抑制不均衡的問題。針對這一挑戰(zhàn)，本文提出一種基于多尺度均衡正則的對抗補(bǔ)丁攻擊方法(MSBR)。該方法在補(bǔ)丁訓(xùn)練過程中顯式約束不同尺度檢測頭置信度輸出的方差，從而實(shí)現(xiàn)對各尺度目標(biāo)的一致性抑制，有效緩解了... （共8頁）