基于視覺的飛行器智能目標檢測對抗攻擊技術

蔣興浩，趙澤宇，許 可

（上海交通大學網絡空間安全學院，上海 200240）

0 引 言

作為一種重要的軍事偵察手段，飛行器如無人偵察機等具有移動速度快、隱蔽性強等優點，被廣泛用于偵測地面、海面的重要目標，因此針對飛行器的防空檢測手段是軍事上的重要研究內容，對護衛國家空中領土安全具有重要意義。飛行器檢測的傳統技術手段包含雷達偵察、紅外探測、無線電偵收等，然而隨著反雷達、反紅外線、反電子、反聲波探測等飛機隱身技術的進步，傳統技術手段受到了較大局限。因此，近年來研究者們利用可見光視覺特征，對基于目標檢測技術的飛行器識別開展了廣泛研究，如利用視覺顯著性對空中目標進行檢測的技術等。并且，隨著人工智能技術和計算機視覺技術的快速發展，研究人員進一步利用深度學習網絡來進行飛行器目標檢測，如基于LeNet-5網絡和Gabor濾波器的深度神經網絡、SSD（single shot multiBox detector）深度網絡、卷積神經網絡等在檢測空中目標、無人機目標等方面的應用，利用Faster-RCNN（faster-region-based convolutional neural network）網絡結構檢測空中及地面目標的方法等。YOLO v3是Redmon等于2018年提出的目標檢測網絡結構，在多種目標檢測任務中都達到了最好的檢測結果，因此YOLO v3網絡被廣泛地應用在飛行器檢測等軍事應用中，如利用YOLO v3 網絡對衛星、艦船、地面飛機等目標進行檢測和識別，利用YOLO v3網絡檢測低空慢速小目標、無人機等。

然而，在實踐過程中深度學習網絡被發現具有脆弱性，一些針對數字圖像目標檢測的對抗攻擊研究表明，對數字圖像添加一定的擾動像素可以使深度學習網絡混淆，使其得到錯誤的識別結果?！?br>