【摘 要】
：
针对现有的对抗扰动技术难以有效地降低跟踪器的判别能力使运动轨迹发生快速偏移的问题,提出一种高效的攻击目标跟踪器方法。首先,所提方法从高层类别和底层特征考虑设计了欺骗损失、漂移损失和基于注意力机制的特征损失来联合训练生成器;然后,将干净图像送入该生成器中,生成对抗样本;最后,利用对抗样本干扰目标跟踪器,导致目标运动轨迹发生偏移,降低跟踪精度。实验结果表明,所提方法在OTB数据集上达到了54%的成功率
【机 构】
：
南京信息工程大学计算机学院、软件学院、网络空间安全学院,江苏南京 210044;南京信息工程大学数字取证教育部工程研究中心,江苏南京 210044;奥卢大学机器视觉与信号分析研究中心,奥卢 FI-90
论文部分内容阅读
针对现有的对抗扰动技术难以有效地降低跟踪器的判别能力使运动轨迹发生快速偏移的问题,提出一种高效的攻击目标跟踪器方法。首先,所提方法从高层类别和底层特征考虑设计了欺骗损失、漂移损失和基于注意力机制的特征损失来联合训练生成器;然后,将干净图像送入该生成器中,生成对抗样本;最后,利用对抗样本干扰目标跟踪器,导致目标运动轨迹发生偏移,降低跟踪精度。实验结果表明,所提方法在OTB数据集上达到了54%的成功率下降和70%的精确度下降,实现了复杂场景下对目标快速有效的攻击。
其他文献
为了衡量区域受到不同攻击的整体影响,捕捉区域网络拓扑之间的抗毁性差异,提出一种区域抗毁性评估算法。从区域内部和区域外部出发,分析区域内部自身抗毁性和区域之间通信拓扑的抗毁性。多方获取测量数据并校验以构建拓扑关系图,实现区域间链接的预测作为拓扑数据的补充。基于分层概率采样,多次模拟破坏以逼近真实情况下区域的受破坏情况。实现显著性检验器,分别从整体水平和特殊薄弱点衡量区域受破坏的影响,发现区域之间受破
针对指纹库规模的增大导致CSI指纹的训练成本和处理复杂性显著增加的问题,提出了一种基于CSI张量分解的室内Wi-Fi指纹定位方法。首先,将基于平行因子分析模型的张量分解算法和交替最小二乘迭代算法相结合以减少环境噪声的干扰;其次,利用张量小波分解算法对降噪后的张量进行特征提取以得到CSI位置指纹;最后,基于偏最小二乘回归算法建立定位模型以实现位置估计。实验结果表明,所提算法在定位误差4 m内的置信概
针对现有的存在相干信号的DOA估计方法大多数不能用于欠定的情况,即入射信号数超过传感器数的问题,提出了一种复数快速独立成分分析算法(即复数FastICA算法)和稀疏重构算法结合的DOA估计方法。当均匀圆阵传感器数目为M时,该算法最多可以估计M(M-1)入射信号的到达角。针对低信噪比情况下,复数FastICA分离效果差的问题,提出了2种圆信号与非圆信号情况下通用的去噪复数FastICA算法。仿真结果
详细分析了数据沙箱模式下,深度学习数据窃取攻击的威胁模型,量化评估了数据处理阶段和模型训练阶段攻击的危害程度和鉴别特征。针对数据处理阶段的攻击,提出基于模型剪枝的数据泄露防御方法,在保证原模型可用性的前提下减少数据泄露量;针对模型训练阶段的攻击,提出基于模型参数分析的攻击检测方法,从而拦截恶意模型防止数据泄露。这2种防御方法不需要修改或加密数据,也不需要人工分析深度学习模型训练代码,能够更好地应用
理性秘密重构是为了约束理性用户的自利性,在现实生活中确保所有参与用户均能获得共享秘密。然而,如果直接使用现有的理性秘密重构协议,不仅不能实现公平的秘密重构,甚至还会出现用户将虚假的秘密视为真实共享秘密的极端情形。导致上述现象的根本原因是缺乏参考模型,使协议设计者难以全面地考虑理性用户参与秘密重构时的自利行为。为解决该问题,通过形式化描述理性用户模型和理性秘密重构博弈模型来分析理性用户执行秘密重构协
针对灵活高效的区域探测和数据回传任务,研究了时分复用模式下无人机雷达通信一体化系统(IRCS)的时间资源分配、功率资源分配和无人机轨迹的联合优化问题,以达到最大化系统雷达探测链路和通信传输链路的加权总容量的目的。为解决该非凸优化问题,采用了块坐标下降(BCD)算法及逐次凸逼近(SCP)技术,迭代优化时间资源分配、功率资源分配和无人机轨迹。仿真结果表明,所提方案可以得到收敛解,并且可以有效提升系统容
被动式RFID系统中,捕获效应的产生使多标签同时响应时强度较强的标签信号可能被阅读器读取,而强度较弱的标签信号被覆盖,造成标签漏读。为了解决这一问题,提出了基于比特检测的多分支树(BMT)标签识别协议。首先,提出比特检测标签数量估计方法,使用少量时隙对标签进行初步估计和预分组。然后,通过多分支树标签识别策略消除空闲时隙,快速识别标签。同时,采用哈希静默方法静默已识别标签和标记隐藏标签,减少通信开销
随着物联网(IoT)和人工智能(AI)技术的融合发展,传统的数据集中式云计算处理方式难以有效去除数据中大量的冗余信息,给人工智能物联网(AIoT)中智能任务低时延、高精度的需求带来挑战。针对这一挑战,基于深度学习方法提出了AIoT中面向智能任务的语义通信方法。针对图像分类任务,在IoT设备上利用卷积神经网络(CNN)提取图像的特征图;从语义概念出发,将语义概念和特征图进行关联,提取语义关系;基于语
针对高维数据冗余性、噪声干扰等问题对多视图子空间聚类性能的影响,提出一种多核低冗余表示学习的稳健多视图子空间聚类方法。首先,通过分析揭示数据在核空间中的冗余性和噪声影响特性,提出采用多核学习来获得局部视图数据的稳健低冗余表示,并利用其替代原始数据实施子空间学习。其次,引入张量分析模型进行多视图融合,从全局角度学习不同视图子空间表示的潜在张量低秩结构,在捕获视图间高阶相关性的同时保持其各异性专属信息
针对现有漏洞代码切片方法评估过程存在的切片信息抽取不完全、模型复杂度高且泛化能力差、评估过程开环无反馈的问题,提出了一种双粒度轻量级漏洞代码切片方法评估模型(VCSE)。针对代码片段,构建了轻量级的TF-IDF与N-gram融合模型,高效绕过了OOV问题,并基于词、字符双粒度提取了代码切片语义及统计特征,设计了高精确率与泛化性能的异质集成分类器,进行漏洞预测分析。实验结果表明,轻量级VCSE的评估