针对YOLOv8的全局对抗攻击方案设计

作     者：李秀滢 赵海淇 陈雪松 张健毅 LI Xiuying;ZHAO Haiqi;CHEN Xuesong;ZHANG Jianyi

作者机构：北京电子科技学院北京100070 

基　　金：中央高校基本科研业务费专项资金项目(3282023038) 

出 版 物：《北京电子科技学院学报》 (Journal of Beijing Electronic Science And Technology Institute)

年 卷 期：2024年第32卷第4期

页      码：9-17页

摘      要：当前,基于深度学习的目标检测技术得到了快速发展,像YOLOv8等先进的目标检测器在自动驾驶等领域得到了广泛的应用。根据研究表明,此类目标检测器很容易受到对抗样本的攻击。本文针对当前先进的YOLOv8目标检测器的网络结构设计了一种不可察觉的全局扰动攻击方案Adam-TOG,该方案在梯度迭代攻击的基础上引入了Adam算法作为优化方案,很好的解决了梯度迭代过程中优化算法容易陷入欠佳的局部最优解的问题,进而提升了方案的攻击效果。实验结果表明,本文的攻击方案可以使YOLOv8目标检测器在VOC数据集上的检测精度下降至26%,相较于基线方案TOG(Targeted Adversarial Objectness Gradient Attacks)攻击成功率提高了15%,这充分说明本文提出的攻击方案的高效性。

主 题 词：深度学习 目标检测 对抗样本 梯度攻击 全局扰动 

学科分类：0839[0839] 08[工学] 081201[081201] 0812[工学-测绘类] 

馆 藏 号：203156464...