计算机工程

作者：秦颖鑫, 张可佳, 潘海为, 巨亚昊

单位：哈尔滨工程大学计算机科学与技术学院, 黑龙江 哈尔滨 150001

关键词：深度学习,计算机视觉,对抗攻击,数字域,物理域,对抗样本

基金：国家自然科学基金(62072135); 国家工业和信息化部船舶CAE研发应用项目(CBZ3N21-2); 哈尔滨工程大学创新型人才培养国际交流项目

深度学习引领人工智能蓬勃发展, 被广泛用于计算机视觉, 在图像识别、目标检测、目标跟踪、人脸识别等复杂任务上取得了突破性进展和显著的成果, 展现出其卓越的识别和预测能力。但深度学习模型的脆弱性和漏洞也逐渐暴露, 以卷积神经网络为代表的深度学习技术对精心设计的对抗样本极为敏感, 容易对模型的安全性和隐私性造成影响。首先, 总结对抗攻击的概念、对抗样本产生的原因以及相关术语, 概述数字域和物理域中几类经典的对抗攻击策略, 对其优缺点进行分析; 其次, 专注计算机视觉, 从数字域和物理域两个方面分别总结目标检测、人脸识别、目标跟踪、单目深度估计、光流估计中对抗攻击的最新研究进展以及常用于研究的各种数据集, 简单介绍现阶段对抗样本的防御和检测方法, 归纳对抗样本防御和检测方法的优缺点, 阐述不同视觉任务对抗样本防御的应用实例; 最后, 基于对抗攻击方法的总结, 探索并分析现有计算机视觉对抗攻击的不足和挑战。

来源：2026年第2期

《计算机工程》期刊编辑部

查看计算机工程杂志2026年第2期