Hiding in Plain Sight: An Effective Physical Adversarial Patch Attack against Visual-Infrared Fused Face Detection
本文提出了一种针对视觉-红外融合人脸检测模型的物理对抗补丁攻击方法 VIPatch(视觉-红外补丁)。随着深度学习在多模态融合(如可见光与红外图像)人脸检测中的应用日益广泛,模型面临的对抗性威胁也相应增加。现有的对抗补丁攻击大多仅在数字域针
共收录 2 条相关情报。
← 返回所有主题本文提出了一种针对视觉-红外融合人脸检测模型的物理对抗补丁攻击方法 VIPatch(视觉-红外补丁)。随着深度学习在多模态融合(如可见光与红外图像)人脸检测中的应用日益广泛,模型面临的对抗性威胁也相应增加。现有的对抗补丁攻击大多仅在数字域针
深度神经网络(DNN)仍然容易受到后门攻击,现有后门检测方法通常需要干净数据、代理数据、梯度或迭代触发器重建,导致计算成本高且在实际模型审计场景中鲁棒性有限。本文提出HTell,一种快速、轻量级且无需数据的后门检测方法,基于头部随机探针技术