Please wait a minute...
空天防御  2021, Vol. 4 Issue (1): 8-13    
0
  专家特稿 本期目录 | 过刊浏览 | 高级检索 |
基于视觉的飞行器智能目标检测对抗攻击技术
蒋兴浩, 赵泽宇, 许可
上海交通大学 网络空间安全学院,上海 200240
Adversarial Attack Technology for Vision-Based Aircraft Intelligent Object Detection
JIANG Xinghao, ZHAO Zheyu, XU Ke
School of Cyber Science and Engineering Shanghai Jiao Tong University Shanghai  200240 China
全文: PDF(5500 KB)  
输出: BibTeX | EndNote (RIS)      
摘要 随着人工智能技术和计算机视觉技术的快速发展,利用智能目标检测技术识别空中出现的侦察机、无人机等飞行器目标已经成为了一种常见的军事防御手段。针对从数字图像层面对基于深度学习网络的目标检测模型进行混淆、欺骗,并在未来将数字攻击结果实物化的可行性问题,提出了一种基于视觉的限定攻击区域的飞行器目标检测对抗攻击方法。利用飞行器数字图像对YOLO v3目标检测网络进行模拟对抗攻击,并针对公开的目标识别数据集PASCAL_VOC_2007中的飞机类别进行实验,验证了本方法对混淆飞行器目标检测结果的有效性。本方法可为进一步研究将数字模拟攻击迁移到飞行器实体上提供基础。
服务
把本文推荐给朋友
加入引用管理器
E-mail Alert
RSS
作者相关文章
关键词 飞行器目标检测YOLO网络对抗攻击计算机视觉    
AbstractWith the rapid development of artificial intelligence and computer vision, using intelligent object detection technology to identify the aircraft and UAV has become a common military defense means. Aiming at the feasibility of confusing and deceiving the object detection model based on deep learning network from the digital image level, and materializing the digital attack results in the future, this paper proposes a limited area adversarial attack method for vision-based aircraft intelligent object detection. The digital image of aircraft is used to simulate the adversarial attack of YOLO v3 object detection network. The effectiveness of the proposed method is verified by the experiments on the aircraft categories in PASCAL_VOC_2007 dataset.  The work of this paper provides the basis for further research on whether the digital analog attack can be transferred to the aircraft entity.
Key wordsaircraft    object detection    YOLO network    adversarial attack    computer vision
收稿日期: 2021-01-28      出版日期: 2021-03-25
ZTFLH:  TP391.41  
基金资助:国家自然科学基金青年基金(62002220)
作者简介: 蒋兴浩(1976—),男,博士,教授,主要研究方向为数字媒体内容安全。
引用本文:   
蒋兴浩, 赵泽宇, 许可. 基于视觉的飞行器智能目标检测对抗攻击技术[J]. 空天防御, 2021, 4(1): 8-13.
JIANG Xinghao, ZHAO Zheyu, XU Ke . Adversarial Attack Technology for Vision-Based Aircraft Intelligent Object Detection. Air & Space Defense, 2021, 4(1): 8-13.
链接本文:  
https://www.qk.sjtu.edu.cn/ktfy/CN/      或      https://www.qk.sjtu.edu.cn/ktfy/CN/Y2021/V4/I1/8

参考文献
[1] 林照晨, 张欣然, 刘紫阳, 贺风华, 欧阳磊. 基于深度学习的高超声速飞行器运动行为识别[J]. 空天防御, 2024, 7(1): 48-55.
[2] 王建园, 陈小彤, 张越, 孙俊格, 石东浩, 陈金宝. 无人机多模态融合的城市目标检测算法[J]. 空天防御, 2024, 7(1): 32-39.
[3] 张晓宇, 杜祥润, 张佳梁, 檀盼龙, 杨诗博. 基于Deformable DETR的红外图像目标检测方法研究[J]. 空天防御, 2024, 7(1): 16-23.
[4] 程昊宇, 张硕, 刘泰涞, 徐胜利, 黄汉桥. 无人飞行器自主决策与规划技术综述[J]. 空天防御, 2024, 7(1): 6-15.
[5] 阎宏磊, 陆远, 郭杰, 唐胜景, 李响. 欠驱动高超滑翔飞行器集群协同编队控制方法[J]. 空天防御, 2024, 7(1): 56-62.
[6] 武 星, 张庆丰, 王健嘉, 姚骏峰, 郭毅可, . 基于多重检测模型融合框架的印刷电路板缺陷检测[J]. J Shanghai Jiaotong Univ Sci, 2023, 28(6): 717-727.
[7] 程显达, 郑皓冉, 杨学森, 董威. 高速飞行器燃油瞬态温度预测的修正热网络法[J]. 上海交通大学学报, 2023, 57(6): 728-738.
[8] 高涛, 文渊博, 陈婷, 张静. 基于窗口自注意力网络的单图像去雨算法[J]. 上海交通大学学报, 2023, 57(5): 613-623.
[9] 狄子琦, 王翔宇, 吴双, 周宇 . 基于Transformer架构的高超声速飞行器轨迹生成与预测算法[J]. 空天防御, 2023, 6(4): 35-41.
[10] 张晓宇, 吕硕, 缑欣怡, 谷晓彤. 高超声速变后掠飞行器多变量预设性能控制[J]. 空天防御, 2023, 6(3): 95-103.
[11] 刘双喜, 刘世俊, 李勇, 闫斌斌, 闫杰. 国外高超声速飞行器及防御体系发展现状[J]. 空天防御, 2023, 6(3): 39-51.
[12] 许泉, 周丽, 徐胜利, 陆丰玮, 刘思禹, 刘广, 华洲. 变体飞行器伸缩翼机构设计与仿真[J]. 空天防御, 2023, 6(2): 35-42.
[13] 沈洪, 任浩东, 李海东. 面向功能表面的激光仿生制造技术研究进展[J]. 空天防御, 2023, 6(2): 12-27.
[14] 丁晓红, 张横, 沈洪. 高速飞行器结构优化及增材制造研究进展[J]. 空天防御, 2023, 6(2): 1-11.
[15] 王谦, 丁晓红, 张横. 厚薄通用四边形平板壳元在薄壁结构加筋布局优化中的应用[J]. 空天防御, 2023, 6(2): 55-61.
沪ICP备15013849号-1
版权所有 © 2017《空天防御》编辑部
主管单位:中国航天科技集团有限公司 主办单位:上海机电工程研究所 上海交通大学出版社有限公司