BriefGPT - AI 论文速递
·
可转移攻击对骨骼动作识别的影响
💡
原文中文，约500字，阅读约需2分钟。
📝
内容提要
研究人员提出了一种新的攻击方法，可以识别基于骨骼的人类活动识别（HAR）系统。他们通过平滑损失函数景观提高攻击的可转移性，并提出了后期训练的双贝叶斯策略。实验评估表明，该方法在不同数据集上的传递成功率较高，为未来的HAR系统攻击和防御提供了启示。
🎯
关键要点
- 研究人员提出了一种新的攻击方法，识别基于骨骼的人类活动识别（HAR）系统。
- 现有攻击方法在未知的S-HAR模型间难以传递，主要原因是损失函数景观崎岖且陡峭。
- 平滑损失函数景观可以提高S-HAR上的敌对可转移性。
- 提出了一种后期训练的双贝叶斯策略，有效探索模型后验空间的替代模型。
- 结合贝叶斯攻击梯度与运动动力学信息，构建沿着动作流形的敌对样本。
- 在HDM05和NTU 60数据集上的平均传递成功率分别为35.9%和45.5%。
- 与现有最先进的骨骼攻击相比，传递成功率显著提高。
- 高敌对可转移性在各种替代模型、受害者模型和防御模型之间保持一致。
- 提供了关于哪些替代模型更可能呈现可转移性的见解，为未来研究提供启示。
➡️
