Two-stage uncertainty-aware adversarial patch attack for semantic segmentation

Li, Jun

doi:10.1108/IJICC-11-2025-0774

Two-stage uncertainty-aware adversarial patch attack for semantic segmentation

2026-04-01

0

PRE

AI

DOI：10.1108/IJICC-11-2025-0774

原文链接

原文求助

摘要

En 中文

目的本研究旨在调查并改进针对语义分割的对抗性贴片攻击，该任务在安全关键型应用中日益普及。现有攻击往往忽视像素级不确定性和空间变化，导致优化效率低下且效果有限。本研究的目的在于设计一种不确定性感知的攻击框架，以更好地识别和利用语义分割模型中的结构脆弱区域。设计/方法/途径我们提出了一种两阶段不确定性感知的对抗性贴片攻击框架。第一阶段计算像素级熵以识别局部不确定性区域。第二阶段应用基于置信度的像素间加权策略，通过将像素置信度与全局统计阈值进行比较，优先处理脆弱像素。这些组件被统一到一个动态损失重加权机制中。实验在Cityscapes和BDD100 K数据集上进行，采用ICNet、DDRNet和SegFormer模型。发现实验结果表明，所提出的方法优于现有的基于贴片的攻击方法，如SSAP。通过有效针对不确定性和结构脆弱区域，该方法实现了更强的分割性能退化，mIoU最低降至8%。结果表明该方法具有高攻击有效性和强跨数据集、跨模型泛化能力。原创性/价值本研究首次将像素级不确定性纳入语义分割的对抗性贴片优化中。与将所有像素同等对待的现有基于贴片的攻击不同，该方法明确建模局部熵和置信度驱动的空间变化，从而实现更具针对性和有效的扰动。所提出的动态损失重加权框架为利用密集预测任务中的结构脆弱性提供了新颖视角。该方法为理解分割鲁棒性和设计更强的基于不确定性的攻击提供了理论和实践价值。

Keyword:

Adversarial patch attack

Semantic segmentation

Pixel uncertainty

Confidence ranking

Autonomous driving security

Two-stage uncertainty-aware adversarial patch attack for semantic segmentation

摘要

期刊

机构

引用论文