本文探讨了深度神经网络在红外领域的安全性，提出了对抗红外补丁（AdvIC）作为新型攻击方法。通过优化贝塞尔曲线并引入干扰，AdvIC在数字和物理攻击中分别实现了94.8%和67.2%的成功率，验证了其在不同检测器中的鲁棒性，强调了对抗性防御策略的重要性。

本文介绍了一种名为“对抗红外补丁”的红外攻击方法，通过在目标对象上附加热绝缘材料的补丁来操纵其热分布，并引入新的聚合正则化来指导学习补丁形状和位置。实验证明，该方法在不同场景下对行人和车辆探测器的攻击成功率超过90％，易于实现且只需0.5小时构建。

该文介绍了一种名为“对抗红外补丁”的物理攻击方法，通过在目标对象上附加热绝缘材料的补丁来操纵其热分布，并使用聚合正则化来指导学习补丁的形状和位置。实验结果表明，该方法对行人探测器和车辆探测器的攻击成功率达到了超过90％，易于实现且只需0.5小时即可在实际环境中构建。