LJ1147517021的博客

ProjAttacker，一种基于投影仪的物理对抗攻击方法，用于欺骗人脸识别系统。与传统物理攻击依赖遮挡物不同，该方法通过投影仪生成对抗性3D纹理投射到人脸，实现非侵入式攻击。研究创新性地引入光反射函数模拟皮肤光学特性，并结合相机ISP模拟提升鲁棒性。实验表明，该方法在数字和物理场景中均能有效攻击多种人脸识别模型，并成功绕过活体检测系统。在LFW和CelebA-HQ数据集上分别达到68.72%和85.36%的攻击成功率，显著优于现有方法。

《AnyAttack：面向视觉语言模型的大规模自监督对抗性攻击》提出了一种突破性的对抗攻击框架。该研究通过自监督学习在LAION-400M数据集上预训练，使任何图像都能转化为针对不同视觉语言模型(VLM)的攻击向量。实验证明，AnyAttack不仅能有效攻击CLIP、BLIP等开源模型，还可迁移至Google Gemini、GPT-4等商业系统。该工作采用基础模型思路和K-增强策略，在保持扰动不可察觉的同时，实现了前所未有的攻击灵活性和扩展性，揭示了当前多模态AI系统的严重安全隐患。