俄乌冲突侦察监视与伪装对抗应用分析

在战场日臻透明和“发现即摧毁”的侦察打击背景下,伪装成为提高军事目标生存和掩护军事行动的有效手段。本研究以俄乌冲突为背景,对覆盖空-天-地-海范围的侦察监视和各类伪装对抗措施进行系统分析。最后,从自适应多谱段伪装技术开发、轻量化及大跨度伪装器材研制、多维度伪装策略应用及效果评估等方面提出伪装对抗发展方向。

针对图像分类的鲁棒物理域对抗伪装

深度学习模型对对抗样本表现出脆弱性.作为一种对现实世界深度系统更具威胁性的攻击形式,物理域对抗样本近年来受到了广泛的研究关注.现有方法大多利用局部对抗贴片噪声在物理域实现对图像分类模型的攻击,然而二维贴片在三维空间的攻击效果将由于视角变化而不可避免地下降.为了解决这一问题,所提Adv-Camou方法利用空间组合变换来实时生成任意视角及变换背景的训练样本,并最小化预测类与目标类交叉熵损失,使模型输出指定错误类别.此外,所建立的仿真三维场景能公平且可重复地评估不同的攻击.实验结果表明,Adv-Camou生成的一体式对抗伪装可在全视角欺骗智能图像分类器,在三维仿真场景比多贴片拼接纹理平均有目标攻击成功率高出25%以上,对Clarifai商用分类系统黑盒有目标攻击成功率达42%,此外3D打印模型实验在现实世界平均攻击成功率约为66%,展现出先进的攻击性能.