物理后门：面向物理世界的基于温度的后门攻击
内容提要
本文提出了一种可变大小的后门触发器，克服了视点与对象距离的干扰，并介绍了恶意对抗训练方法以提高后门攻击成功率。研究表明，实体后门攻击对依赖关键特征的系统影响显著，且能够规避现有防御。文章还探讨了物理攻击的特性及防御策略，揭示了自动驾驶车辆面临的后门威胁，旨在提升安全性。
延伸解读
物理后门攻击的演进与特点
文章梳理了物理后门攻击的多项研究，从2020年首次证明目标检测器存在物理后门漏洞，到2023年提出可变大小触发器和恶意对抗训练，攻击方法不断演进。这些攻击利用实体物体作为触发器，能克服视点和距离干扰，提高现实世界攻击成功率，且可规避现有数字防御。
对自动驾驶与关键系统的威胁
研究显示，实体后门攻击对依赖关键特征的系统影响显著，尤其是高度依赖面部特征的系统。自动驾驶车辆面临隐藏后门威胁，攻击者可通过在交通系统中激活风险区域来影响车辆决策。这揭示了现实世界中部署的物体检测器存在普遍后门漏洞。
防御策略与检测框架
针对物理后门攻击，文章介绍了基于熵的运行时检测框架Detector Cleanse，用于识别污染测试样本。同时指出，现有数字攻击防御难以应对物理后门，因为其核心假设被规避。因此，需要建立更强大的防御方法，并考虑物理攻击特性，如对抗红外补丁等。
Q&A
什么是可变大小的后门触发器？
可变大小的后门触发器是一种适应被攻击对象不同大小的触发器，旨在克服视点和对象距离引起的干扰。
恶意对抗训练方法如何提高后门攻击的成功率？
恶意对抗训练方法使后门对象检测器能够学习带有物理噪声的触发器特征，从而提高攻击的成功率。
实体后门攻击对哪些系统影响显著？
实体后门攻击对依赖关键特征的系统影响显著，尤其是面部特征识别系统。
文章中提到的四种物体检测的后门攻击类型是什么？
四种后门攻击类型包括对象生成攻击、区域误分类攻击、全局误分类攻击和对象消失攻击。
如何防御物理后门攻击？
文章探讨了物理攻击的特性及防御策略，强调需要建立更强大的防御方法以应对后门攻击。
自动驾驶车辆面临哪些后门威胁？
自动驾驶车辆面临潜在的隐藏后门威胁，研究提出了识别激活风险区域的方法以提高安全性。
