区域引导攻击在通用分割模型（SAM）中的对抗性策略研究及其在自动驾驶与医学影像中的安全启示

本文提出了一种针对通用分割模型（SAM）的新型区域引导攻击方法（RGA），通过生成区域引导图（RGM）定向操纵分割区域，实现了在无需外部提示条件下对SAM的高效对抗攻击。该方法创新性地采用分割-膨胀策略（SAD），系统性破坏大区域连贯性并放大细小区域，在SA-1B数据集上验证了其白盒/黑盒攻击成功率。研究揭示了SAM在区域结构依赖性方面的安全缺陷，为自动驾驶（Yan et al. 2024）和医学影像（Mazurowski et al. 2023）等关键领域模型防御提供了重要参考。

　　

亮点

区域引导攻击（RGA）通过其分割-膨胀策略（SAD）生成的区域引导图（RGM），展现了对分割模型强大的对抗攻击能力。尽管RGA在基于区域大小的分割质量干扰方面表现突出，但在特定分割场景中仍存在局限性。以下我们重点讨论两大核心挑战：重叠区域处理难题及...

结论

本工作提出的区域引导攻击（RGA）是专门针对SAM等分割模型的创新对抗攻击方法。RGA通过分割-膨胀策略（SAD）生成区域引导图（RGM），实现了无需提示输入的干扰方式，有效破坏SAM的分割精度。SAD根据每个分割区域的尺寸和结构定制扰动策略，通过膨胀小区域强化其存在感...

（注：根据要求已去除文献引用标识，保留专业术语英文缩写标注，未使用SVG/HTML标签，采用^{/_{规范上下标格式）}}