面向目标检测的对抗样本综述

目标检测是一种广泛应用于工业控制、航空航天等安全攸关场景的重要技术。近年来，随着深度学习在目标检 测领域的应用，检测的精度得到了较大提升，但由于深度学习固有的脆弱性，使得基于深度学习的目标检测技术的可靠性 和安全性面临新的挑战。本文通过对近几年面向目标检测的对抗样本生成及防御的研究进行分析和总结，致力于为增强目 标检测模型的鲁棒性和提出更好的防御策略提供思路。首先，介绍了对抗样本的概念、产生原因以及目标检测领域对抗样 本生成常用的评价指标和数据集。然后根据对抗样本生成的扰动范围将攻击分为全局扰动攻击和局部扰动攻击。在这个分 类基础上，又分别从攻击的目标检测器类型、损失函数设计等六个方面对目标检测的对抗样本生成方法进行了分析和总结， 并通过实验对比了几种典型目标检测对抗攻击方法的性能，同时比较了这几种方法的跨模型的迁移攻击能力。此外，本文 还对目前目标检测领域常用的对抗防御策略进行了分析和归纳。最后，总结了目标检测领域对抗样本的生成及防御所面临 的挑战，并对未来发展方向做出了展望。

http://www.cjig.cn/jig/ch/reader/download_new_edit_content.aspx?edit_id=20210811092251001&file_no=202103170000004&journal_id=jig