论文粗读——Improving transferability of 3D adversarial attacks with scale and shear transformations

论文地址：Improving transferability of 3D adversarial attacks with scale and shear transformations

动机

1. 大多数3D点云分类器都针对白盒攻击，其中分类器的参数和其他信息在攻击中是已知的，这对于现实世界的应用来说是不现实的。
2. 为了提高黑箱分类器的攻击性能，研究界通常使用基于转移的黑箱攻击。然而，当前基于转移的黑箱攻击的可转移性仍然相对较低。

已有方法及其不足

1. 3D Adv；
2. KNN攻击；
3. AdvPC攻击；
4. AOF攻击。

本文提出的方法

点云缩放和剪切攻击，即:SS攻击

数据集

ModelNet40（详见这篇论文的数据集介绍（ModelNet40））

定量效果

SS攻击可以显著提高所有黑盒模型上的可移植性，并在所有白盒模型上保持较高的攻击成功率：

SS攻击与目前主流的3D点云攻击方法相结合，能够有效提高3D对抗性点云样本的可移植性：

SS攻击与主流3D点云攻击方法相结合能够有效提高3D对抗性点云样本的目标攻击成功率：

进一步证明了本文提出的SS攻击方法的有效性：

本文方法的局限性

目前的目标攻击具有较低的可转移性 。

未来的研究方向

进一步提高3D点云目标攻击的可转移性。