IBAQ：通过二次相位实现频域后门攻击，威胁自动驾驶系统

《ACM Transactions on Autonomous and Adaptive Systems》：IBAQ: Frequency-Domain Backdoor Attack Threatening Autonomous Driving via Quadratic Phase

自动驾驶模型面临频率域.backdoor攻击威胁，传统方法仅调整幅度导致效果不佳。本文提出IBAQ攻击，通过混合触发样本与正常样本的幅度和二次相位，在YCrCb空间进行FFT处理，实现隐蔽的触发信息注入，提升攻击效果并验证有效性。

　　

摘要

后门攻击的快速演变已成为对自动驾驶模型安全性的重大威胁。攻击者通过在样本中添加触发器来将后门注入模型，这些触发器可以被激活以操纵模型的推理过程。后门攻击可能导致严重后果，例如在自动驾驶过程中错误识别交通标志，从而增加发生交通事故的风险。最近，频域后门攻击的方式逐渐发生变化。然而，由于振幅及其对应相位的变化会显著影响图像的外观，现有的大多数频域后门攻击仅改变振幅，这导致攻击效果不佳。在这项工作中，我们提出了一种名为IBAQ的攻击方法，通过二次相位处理来模糊触发器图像的语义信息，从而解决这一问题。首先，我们将触发器和良性样本转换为YCrCb空间。然后，我们对Y通道进行快速傅里叶变换，将触发器图像的振幅和二次相位与良性样本的振幅和相位线性混合。IBAQ实现了在振幅和相位中隐蔽地注入触发器信息，增强了攻击效果。我们通过全面的实验验证了IBAQ的有效性和隐蔽性。