无人机视觉识别系统的物理对抗攻击方法.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（9）211

⦾图形图像处理⦾

无人机视觉识别系统的物理对抗攻击方法

1，2111+

张恒，黄农森，丁家松，杭芹

1.重庆邮电大学计算机科学与技术学院，重庆400065

2.中国科学院合肥物质科学研究院，合肥230031

+通信作者E-mail：hangqin@cqupt.edu.cn

摘要：构成无人机视觉识别系统组成之一的目标检测算法容易遭受对抗攻击，尤其是物理对抗攻击的威胁更大。

针对当前物理对抗攻击方法在无人机目标检测场景中攻击效果较差的问题，提出一种尺度自适应的物理对抗攻击

方法——SAPA。设计补丁自适应模块，利用目标真实尺寸构造掩码对补丁进行缩放，以适应目标的多尺度变化。

设计针对多尺度、多目标攻击的优化函数，将检测网络不同特征层的最大预测分数与TOG算法中目标消失攻击的损

失结合。采用多种物理增强变换提升对抗补丁的物理鲁棒性。使用无人机采集多尺度车辆数据对补丁进行优化。

在数字域中，对抗补丁的平均攻击成功率为81.4%。在物理域中，对抗补丁在20m~65m高度的平均攻击成功率为

42.6%。结果表明，SAPA方法在攻击效果和鲁棒性方面优于现有方法。

关键词：目标检测；对抗样本生成；无人机识别；对抗补丁攻击

文献标志码：A中图分类号：TP391doi：10.3778/j.issn.1002-8331.2312-0294

PhysicalAdversarialAttackMethodforUAVVisualRecognitionSystem

1,2111+

ZHANGHeng,HUANGNongsen,DINGJiasong,HANGQin

1.CollegeofComputerScienceandTechnology,ChongqingUniversityofPostsandTelecommunications,Chongqing

400065,China

2.HefeiInstitutesofPhysicalScience,ChineseAcademyofSciences,Hefei230031,China

Abstract：Theobjectdetectionalgorithm,whichconstitutesoneofthecomponentsofUAVvisualrecognitionsystems,is

susceptibletoadversarialattacks.Inparticular,thethreatposedbyphysicaladversarialattacksisgreater.Inresponseto

thepoorperformanceofcurrentphysicaladversarialattackmethodsinUAVobjectdetectionscenes,ascale-adaptive

physicaladversarialattackmethodisproposed.Apatch-adaptivemoduleisdesignedtoenablethescalingofpatchesby

utilizingtheactualsizeoftheobject,therebyadaptingtothemulti-scalevariationsofthetarget.Anoptimizationfunction

isdesignedformulti-scaleandmulti-objectattacks,theaveragemaximumpredictionscoresofdifferentfeaturelayersin

thedetectionnetworkisintegrate