Model Agnostic Defense against Adversarial Patch Attacks on Object Detection in Unmanned Aerial Vehicles

目标检测是无人机（UAVs）完成依赖于从空中视角感知地面对象的高级任务的关键组成部分。在这种情况下，对机载目标检测器的敌对贴片攻击可能会严重影响上游任务的性能。本文提出了一种新颖的模型无关的防御机制，以应对UAV目标检测中敌对贴片攻击的威胁。我们将敌对贴片防御形式化为遮挡去除任务。所提出的防御方法可以中和位于感兴趣对象上的敌对贴片，而不需要在训练期间暴露于敌对贴片。我们的轻量级单阶段防御方法使我们能够保持模型无关的性质，一旦部署就不需要根据目标检测管道的变化进行更新。数字和物理领域的评估显示了我们的方法在UAV目标检测管道中部署的可行性，显著降低了攻击成功率，而不会产生显著的处理成本。因此，所提出的防御解决方案可以提高UAV的目标检测可靠性。

解决问题：本论文旨在提出一种针对无人机（UAV）目标检测中的对抗性贴片攻击的新型模型无关防御机制。

关键思路：将对抗性贴片防御作为遮挡物去除任务，并提出一种轻量级单阶段防御方法，可以中和感兴趣物体上的对抗性贴片，无需在训练期间暴露于对抗性贴片。

其他亮点：该防御方法可以显著降低攻击成功率，而不会产生显著的处理成本，实验在数字和物理领域均表明了该方法的可行性。

相关研究：最近的相关研究包括“基于对抗性训练的目标检测对抗性样本防御”和“对抗性贴片攻击的目标检测鲁棒性提高方法”。