Scratched Lenses, Shifted Depth: Passive Camera-Side Optical Attacks
作者: Qinlin He, Zeming Zhuang, Yongji Wu, Lan Zhang, Xiaoyong, Yuan
分类: cs.CV
发布日期: 2026-06-12
💡 一句话要点
提出SLASH以解决相机镜头划痕引发的深度偏差问题
🎯 匹配领域: 支柱一：机器人控制 (Robot Control) 支柱三：空间感知与语义 (Perception & Semantics)
关键词: 物理对抗攻击 深度估计 光学伪影 相机安全 视觉系统鲁棒性
📋 核心要点
- 现有方法主要集中在图像空间的扰动，未能考虑物理缺陷如何与场景依赖的光照和光学相互作用。
- 提出SLASH攻击，通过相机镜头上的划痕与光源相互作用，生成特定条件下的光学伪影，影响深度推断。
- 实验结果显示，在固定划痕条件下，单目深度估计的方向性深度偏移可达32%的相对误差，且对3D物体检测有显著影响。
📝 摘要（中文）
物理对抗攻击视觉系统通常通过场景操控进行研究，如对抗性补丁或投影，攻击者控制相机观察的内容。本文提出了一种新的攻击方式，称为Scratch-induced Lens Adversarial Streak Hijacking（SLASH），该攻击源于相机镜头或保护罩上的小划痕。这些划痕在特定光照条件下与明亮光源和镜面反射相互作用，产生结构化的条纹伪影，扭曲深度线索。实验表明，在单目深度估计中，方向性深度偏移达到32%的相对误差，且对单目3D物体检测也有一致影响。这一发现揭示了硬件缺陷作为潜在对抗机制的攻击面，挑战了物理鲁棒性的假设，并为安全视觉系统的防御提供了动机。
🔬 方法详解
问题定义：本文旨在解决物理对抗攻击中，现有方法未能有效考虑相机镜头划痕对深度推断的影响，导致攻击效果不理想。
核心思路：通过识别镜头划痕与光源的相互作用，提出SLASH攻击，利用划痕产生的光学伪影来影响深度估计和物体检测。
技术框架：整体流程包括划痕模式建模、光学通道优化和在不同视角下的攻击效果评估，确保攻击在多种场景下的有效性。
关键创新：SLASH攻击的创新在于将物理缺陷视为潜在的对抗机制，挑战了传统对抗攻击的假设，强调了光学特性在攻击中的重要性。
关键设计：在技术细节上，划痕模式被建模为触发条件的光学通道，优化了固定配置以适应多种观察条件，确保攻击的持久性和选择性。
🖼️ 关键图片
📊 实验亮点
实验结果表明，在固定划痕条件下，单目深度估计的方向性深度偏移达到32%的相对误差，且对单目3D物体检测的影响一致，验证了SLASH攻击的有效性和实用性。
🎯 应用场景
该研究的潜在应用领域包括安全监控、自动驾驶和机器人视觉等，能够帮助设计更鲁棒的视觉系统，抵御物理对抗攻击。未来，研究结果可能推动对相机硬件设计和防护措施的改进，以提升视觉系统的安全性和可靠性。
📄 摘要（原文）
Physical adversarial attacks on vision systems are typically studied through scene manipulation, such as adversarial patches or projections, where the adversary controls what the camera observes. Camera-side attacks using stickers or auxiliary optics have also been explored, but they treat attacks as image-space perturbations from designed patterns. This misses how physical imperfections interact with scene-dependent lighting and optics. We identify a threat: passive lens-side damage that is persistent yet trigger-conditioned, producing optical artifacts that bias geometric inference under particular visual conditions. We instantiate this threat through Scratch-induced Lens Adversarial Streak Hijacking SLASH, a physical-world attack caused by small scratches on a camera lens or protective cover. Scratches interact with bright light sources and specular reflections to create structured streak artifacts that distort depth cues. Since the perturbation is fixed in the optical path but triggered by the scene, it is both persistent and selective. We formulate the attack in optical space, model the scratch pattern as a trigger-conditioned optical channel, and optimize one fixed configuration across diverse viewing conditions. We evaluate SLASH on monocular depth estimation and monocular 3D object detection in digital and real-world settings. Under the fixed-scratch constraint, directional depth shifts reach up to 32% relative error for monocular depth estimation, with consistent effects on monocular 3D object detection. Physical experiments confirm transfer to real camera recordings, inducing depth shifts above the model's natural prediction baseline. These findings reveal an attack surface where benign-looking hardware imperfections act as latent, scene-triggered adversarial mechanisms, challenging assumptions about physical robustness and motivating defenses for secure vision systems.