面向无人机目标检测的隐蔽后门攻击框架.pdfVIP

第3卷第1期网络空间安全科学学报Vol.3No.1

2025年2月JournalofCybersecurityFeb.2025

面向无人机目标检测的隐蔽后门攻击框架

12111*

陈天欣，姜文博，温家懿，弥佳桐，黄橙

（1.复旦大学计算机科学技术学院，上海200438；

2.电子科技大学计算机科学与工程学院，成都610050）

摘要：随着低空经济和无人机（UnmannedAerialVehicle，UAV）技术的蓬勃发展，基于深度学习的目标检测模型

在无人机领域得到了广泛应用。然而，该模型在实际部署中却面临潜在的安全威胁。区别于传统的图像分类，目标检

测模型在识别目标的基础上，还会额外生成和返回一组带有标签的目标边界。利用这一特性，提出了一种面向目标检

测模型的隐蔽后门攻击框架。与仅在图像中嵌入特定触发特征的传统后门攻击方法不同，提出的新框架首先对图像的

目标类别与边界框标注进行精准匹配，再基于匹配结果利用图像缩放原理对数据和标签进行选择性毒化，实现了后门

植入的高隐蔽性。最后，在真实数据集上的实验结果证明了提出的后门攻击方法具有较高的攻击成功率。

关键词：无人机；深度学习；目标检测模型；图像缩放攻击；后门攻击

中图分类号：TP393文献标志码：A

DOI:10.20172/j.issn.2097-3136.250102

CovertbackdoorattackframeworkforUAVobjectdetection

12111*

CHENTianxin,JIANGWenbo,WENJiayi,MIJiatong,HUANGCheng

（1.SchoolofComputerScience,FudanUniversity,Shanghai200438,China；

2.SchoolofComputerScienceandEngineering,UniversityofElectronic