面向单目标追踪的对抗攻击技术综述.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（16）1

⦾热点与综述⦾

面向单目标追踪的对抗攻击技术综述

121+

陆正之，黄希宸，彭勃

1.国防科技大学试验训练基地，西安710106

2.国防科技大学电子科学学院，长沙410073

+通信作者E-mail：ppbbo@nudt.edu.cn

摘要：单目标追踪是计算机视觉中的关键任务之一。随着人工智能技术的发展，基于深度学习的追踪方法已经成

为单目标追踪的主流，显著提升了追踪的精度和可用性。然而深度学习方法易受到对抗攻击威胁，攻击者能够诱使

深度追踪模型产生错误的追踪结果，严重影响追踪的鲁棒性和安全性。综述了近年来单目标追踪领域对抗性攻击

技术的研究进展，揭示了深度学习追踪模型所面临的潜在安全风险，并分析了该领域所面临的挑战和难题。依据攻

击方法是否与视频追踪的在线特性相适应，对现有的单目标追踪对抗性攻击技术进行了分类总结，阐述了基本原

理、特征以及代表性工作。最后从构建安全可靠的追踪模型和面向实际应用的追踪攻击等视角，对追踪对抗技术的

未来发展趋势进行了展望，探讨了当前追踪攻击研究中的关键问题，包括追踪对抗防御、多模态追踪攻击、物理可实

现追踪攻击及非合作追踪攻击等，以推动该领域创新与进步。

关键词：单目标追踪（SOT）；对抗攻击；深度学习；人工智能

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2410-0308

SurveyofAdversarialAttacksforSingleObjectTracking

121+

LUZhengzhi,HUANGXichen,PENGBo

1.TestCenter,NationalUniversityofDefenseTechnology,Xi’an710106,China

2.CollegeofElectronicScienceandTechnology,NationalUniversityofDefenseTechnology,Changsha410073,China

Abstract：Singleobjecttracking(SOT)isoneofthekeytasksincomputervision.Withtheadvancementofartificial

intelligence,trackingmethodsbasedondeeplearninghavebecomethemainstreamapproachforSOT,significantly

improvingtheperformanceoftrackingsystems.However,deeplearningmethodsarevulnerabletoadversarialattacks,

whereattackersinducetrackingerrorsindeeptrackingmodels,severelyimpactingtheprecisionandrobustnessof

tracking.ThispaperreviewsthedevelopmentofadversarialattacktechniquesforSOTinrecentyears,uncoveringthe

securitythreatsandanalyzingthechallengesencounteredinadversarialattacktechniquesforSOT.Furthermore,this

papercategorizestheexistingadversarialattacktechniquesforSOTbasedonwhethertheattackmethodsalign