科研之友
微信
新浪微博
Facebook
分享链接
摘要
几何深度学习模型在三维形状检索任务中已经应用成功， 其安全评估工作也引起研究者的关注。本文为三维形状检索评估提出一种基于多视图通用扰动攻击（简称为MvUPA）的对抗攻击方法， 具有高成功率的攻击效果。具体地， 首先设计多视角深度全景图检索模型， 训练适用于视图类三维形状检索的高效嵌入向量; 其次， 为三维形状检索提出有益于通用扰动更新的损失函数方案和攻击机制。该损失函数方案同时融合了三元损失和标签损失， 提升了对相近拓扑异类样本和差异拓扑同类样本的对抗扰动生成。通过实验， 验证了MvUPA在多个视图类检索模型上攻击的有效性和稳定性， 攻击指标下降率 （DR） 最高达 94.52%; 融合损失函数相比单个损失函数DR指标提高约3%到5.5%。
- 单位
