객체 감지는 보안 모니터링 및 감시 비디오 분석 등 다양한 실제 응용에서 근본적입니다. 비록 진보가 있었지만, 최첨단 객체 감지기는 여전히 적대적 패치 공격에 취약하여 실제 물체를 숨기거나 존재하지 않는 것을 생성할 수 있습니다. 이는 심각한 결과를 초래할 수 있습니다. 현재의 다양한 적대적 패치 공격과 잠재적인 미지의 위협에 비추어 볼 때, 이상적인 방어 방법은 효과적이고 일반화 가능하며 적응형 공격에 견고해야 합니다. 본 연구에서는 객체 감지를 위한 최초의 확산 기반 방어 프레임워크인 DISPATCH를 소개합니다. "탐지하고 제거"하는 것을 목표로 한 기존 연구와 달리, DISPATCH는 공격 효과를 무력화하면서 입력 이미지의 무결성을 유지하기 위해 생성 모델을 활용하는 "재생성과 수정" 전략을 채택합니다. 구체적으로, 우리는 확산 모델의 분포 내 생성 능력을 이용하여 전체 이미지를 재생성하고, 이를 무해한 데이터와 정렬합니다. 이후에는 수정 과정을 통해 적대적 영역을 식별하고 그 재생성된 무해한 대응 물체로 교체합니다. DISPATCH는 공격에 대한 독립적이며 기존 패치에 대한 사전 지식이 필요하지 않습니다. 여러 감지기와 공격에 대한 광범위한 실험을 통해 DISPATCH는 숨기기 공격과 생성 공격 모두에서 최첨단 방어를 일관되게 능가하며, 숨기기 공격에서 89.3%라는 최고의 mAP.5 점수를 달성하고, 목표가 없는 생성 공격에서 공격 성공률을 24.8%로 낮췄습니다. 더불어, 적응형 공격에 대한 강력한 견고성을 유지하여 객체 감지 시스템의 실용적이고 신뢰할 수 있는 방어책이 됩니다.
Ma et al. (Thu,)가 이 질문을 연구했습니다.