Adversarial Attacks and Defenses on 3D Point Cloud Classification: A Survey

要約

ディープラーニングは、2Dビジョンにおける主要なAI技術として、幅広いタスクの解決に成功している。最近では、3D点群に対するディープラーニングが、この分野の様々なタスクに対処するために、ますます普及しつつある。目覚ましい成果にもかかわらず、深層学習アルゴリズムは敵対的攻撃に対して脆弱である。これらの攻撃は人間の目には感知できないが、テストや展開の段階ではディープニューラルネットワークを簡単に欺くことができる。本稿では、まず敵対的攻撃の原理と特徴を紹介し、近年の敵対的な例生成手法を要約・分析する。さらに、データに焦点を当てた手法とモデルに焦点を当てた手法に整理し、防御戦略の概要を提供する。最後に、この領域における現在の課題と将来の研究の方向性を提示する。

要約(オリジナル)

Deep learning has successfully solved a wide range of tasks in 2D vision as a dominant AI technique. Recently, deep learning on 3D point clouds is becoming increasingly popular for addressing various tasks in this field. Despite remarkable achievements, deep learning algorithms are vulnerable to adversarial attacks. These attacks are imperceptible to the human eye but can easily fool deep neural networks in the testing and deployment stage. To encourage future research, this survey summarizes the current progress on adversarial attack and defense techniques on point cloud classification.This paper first introduces the principles and characteristics of adversarial attacks and summarizes and analyzes adversarial example generation methods in recent years. Additionally, it provides an overview of defense strategies, organized into data-focused and model-focused methods. Finally, it presents several current challenges and potential future research directions in this domain.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL