跳到正文
arXiv cs.AI· Hongwei Ren, Lansong Yang, Youxin Jiang, Tuopusen Huang, Xiangqian Wu·· 10 小时前AI 评分22

MA-ADV:基于点云表示的运动感知对抗事件生成框架

Generating Adversarial Events: A Motion-Aware Point Cloud Framework

AI 导读

研究者提出 MA-ADV,首个利用点云表示生成对抗事件(adversarial events)的运动感知框架,通过扩散模型平滑扰动并结合 Adam 优化、迭代精炼与二分搜索寻找最小代价扰动。实验显示其攻击成功率达 100%,且对防御的鲁棒性更强,凸显事件相机感知系统的安全挑战。

正文 · AI 翻译

查看 PDF HTML(实验性)

摘要:事件相机已被广泛应用于自动驾驶、机器人和人机交互等安全关键领域。深度神经网络易受对抗样本攻击,这一紧迫挑战对基于事件的系统的可靠性构成了重大威胁。然而,针对事件数据的对抗攻击研究仍然稀少。这主要归因于主流事件表示具有不可微性,阻碍了基于梯度的攻击方法的扩展。本文提出 MA-ADV,一种新颖的\textbf{运}动\textbf{感}知\textbf{对抗}框架。据我们所知,这是首个利用点云表示生成对抗事件的工作。MA-ADV 考虑了事件中的高频噪声,采用基于扩散的方法平滑扰动,同时充分利用事件之间的空间和时间关系。最后,MA-ADV 通过结合逐样本 Adam 优化、迭代细化和二分搜索,确定最小代价扰动。大量实验结果验证,MA-ADV 以最小扰动代价实现了 100\% 的攻击成功率,并展现出对防御的更强鲁棒性,凸显了未来基于事件的感知系统所面临的关键安全挑战。
主题: 计算机视觉与模式识别(cs.CV);人工智能(cs.AI)
引用为: arXiv:2602.08230 [cs.CV]
  (或使用 arXiv:2602.08230v2 [cs.CV] 查看此版本)
  https://doi.org/10.48550/arXiv.2602.08230

由 DataCite 颁发的 arXiv DOI

提交历史

来自:Hongwei Ren [查看邮箱]
[v1] 2026年2月9日星期一 03:06:07 UTC(1,586 KB)
[v2] 2026年11月18日星期三 03:40:13 UTC(1,808 KB)

来源:arXiv cs.AI · arxiv.org