參考資訊: Diao, Y., Wu, B., Zhang, R., Liu, A., Wei, X., Wang, M., & Wang, H. (2024). TASAR: Transfer-based Attack on Skeletal Action Recognition. arXiv preprint arXiv:2409.02483v2.
研究目標: 本研究旨在探討為何現有的對抗性攻擊在骨骼數據中難以展現遷移性,並開發一種針對骨骼動作識別系統 (S-HAR) 的有效遷移攻擊方法。
方法: 作者首先透過分析損失表面平滑度來研究 S-HAR 中對抗性遷移性低的原因。然後,他們提出了一種名為 TASAR 的新型遷移攻擊方法,該方法基於訓練後雙貝葉斯優化,以平滑損失曲面並提高對抗性遷移性。TASAR 還整合了時空運動梯度,以破壞 S-HAR 模型的時空一致性。
主要發現:
主要結論: 作者證明了基於遷移的攻擊在 S-HAR 中的可行性,並提供了一種名為 TASAR 的新型攻擊方法,該方法在黑盒設置下實現了最先進的性能。
意義: 這項研究對於理解和提高 S-HAR 系統的對抗性魯棒性具有重要意義,這在自動駕駛、智能監控和人機交互等實際應用中至關重要。
限制和未來研究: 作者承認,TASAR 的性能仍然受到代理模型選擇的影響,並且未來的研究可以探索更有效的方法來選擇或訓練具有更平滑損失表面的代理模型。此外,未來的研究還可以探討針對其他類型的對抗性攻擊(例如,基於查詢的攻擊)的防禦機制。
Ke Bahasa Lain
dari konten sumber
arxiv.org
Wawasan Utama Disaring Dari
by Yunfeng Diao... pada arxiv.org 10-10-2024
https://arxiv.org/pdf/2409.02483.pdfPertanyaan yang Lebih Dalam