Defending Against Physical Adversarial Patch Attacks on Infrared Human Detection

要約

赤外線検出は、その優れた干渉防止機能により、安全性が重要なタスク用の新しい技術です。
しかし、最近の研究では、物理的に実現可能な敵対的パッチに対して脆弱であり、現実世界のアプリケーションにリスクをもたらすことが明らかになりました。
この問題に対処するために、私たちは赤外線検出、特に人間の検出に対する敵対的パッチ攻撃に対する防御戦略を初めて調査しました。
私たちは、パッチベースのオクルージョン認識検出 (POD) という単純な防御戦略を考案しました。これは、トレーニング サンプルをランダムなパッチで効率的に強化し、その後検出します。
POD は人物を強力に検出するだけでなく、敵対的なパッチの場所も特定します。
驚くべきことに、POD は計算効率が非常に高い一方で、トレーニング中には見ら​​れない最先端の敵対的パッチ攻撃に簡単に一般化できます。
さらに、POD はデータ拡張効果により、クリーンな（攻撃がない）状況でも検出精度を向上させます。
評価の結果、POD はさまざまな形状やサイズの敵対的パッチに対して堅牢であることが実証されました。
私たちのベースラインアプローチの有効性は、現実世界の赤外線人体検出システムの実行可能な防御メカニズムであることが示され、将来の研究の方向性を探る道を切り開きます。

要約(オリジナル)

Infrared detection is an emerging technique for safety-critical tasks owing to its remarkable anti-interference capability. However, recent studies have revealed that it is vulnerable to physically-realizable adversarial patches, posing risks in its real-world applications. To address this problem, we are the first to investigate defense strategies against adversarial patch attacks on infrared detection, especially human detection. We have devised a straightforward defense strategy, patch-based occlusion-aware detection (POD), which efficiently augments training samples with random patches and subsequently detects them. POD not only robustly detects people but also identifies adversarial patch locations. Surprisingly, while being extremely computationally efficient, POD easily generalizes to state-of-the-art adversarial patch attacks that are unseen during training. Furthermore, POD improves detection precision even in a clean (i.e., no-attack) situation due to the data augmentation effect. Evaluation demonstrated that POD is robust to adversarial patches of various shapes and sizes. The effectiveness of our baseline approach is shown to be a viable defense mechanism for real-world infrared human detection systems, paving the way for exploring future research directions.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google