研究者提出STCA对抗攻击方法
热点事件持续更新
研究者提出STCA对抗攻击方法
1 篇报道1 个报道来源5 小时前更新
先了解这件事
AI 综述
Heyam Bin Jahlan 等作者发表论文，提出针对自动驾驶场景黑盒视觉语言模型的可迁移时空连贯性对抗攻击方法 STCA，通过模态扩展、空间攻击和时空连贯性三阶段，利用运动引导掩码破坏跨帧时间连贯性。 在 BDD100K 和 nuScenes 数据集上对 Video LLaVA-7B、Qwen2.5-VL-7B 和 Dolphin 三个模型的实验显示，空间攻击在高 SSIM 下取得较高的攻击成功率。作者据此表示，现有视频语言模型在自动驾驶场景中仍高度易受对抗攻击。
AI 根据报道生成 · 2 小时前更新
最新进展10月7日 12:00
STCA：针对自动驾驶黑盒视觉语言模型的可迁移时空连贯性对抗攻击报道时间线
沿着报道，了解事件的不同侧面。
10月7日
- arXiv：cs.AISTCA：针对自动驾驶黑盒视觉语言模型的可迁移时空连贯性对抗攻击
研究者提出时空连贯性对抗攻击（STCA），针对自动驾驶场景中的黑盒视觉语言模型，通过模态扩展、空间攻击和STCA三阶段，利用运动引导掩码破坏跨帧时间连贯性。在BDD100K和nuScenes数据集上对Video LLaVA-7B、Qwen2.5-VL-7B和Dolphin三个模型的实验显示，空间攻击在高SSIM下实现了较高的攻击成功率，表明现有视频语言模型在自动驾驶场景中仍高度易受对抗攻击。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。