摘要

本文由华东师范大学的Feng Liu、北京邮电大学的Qing Xu和华东师范大学的Qijian Zheng共同撰写，探讨了基于多维特征的骨骼动作对抗性攻击问题。论文提出了一种新的对抗性攻击方法，该方法通过引入动态距离函数和情感特征来测量骨骼动作的差异，并使用交替方向乘子法（ADMM）来解决约束优化问题，生成具有更好不可感知性的对抗样本。实验结果表明，该方法在多个动作分类器和数据集上有效，且在相同的扰动幅度下，其生成的动态扰动远低于其他方法。此外，本文首次证明了情感特征的有效性，并为测量骨骼动作之间的距离提供了新的思路。

原理

本文提出的对抗性攻击方法的核心在于引入了一种基于多维特征的动态距离函数，该函数不仅考虑了骨骼动作的空间动态（如骨骼长度和骨骼角度）和时间动态（如速度），还创新性地引入了情感特征作为补充信息。通过ADMM算法，该方法能够在保持对抗样本不可感知性的同时，有效地欺骗分类器。具体来说，该方法通过定义一个新的距离函数来测量原始样本和对抗样本之间的差异，并结合情感特征和分类损失，通过优化算法生成对抗样本。

流程

论文中详细描述了生成对抗样本的工作流程。首先，给定一个骨骼样本x和其预测标签l，目标是找到最小的扰动添加到原始样本以生成对抗样本x’，使得分类器的预测标签发生变化。该问题被形式化为一个优化问题，其中D是距离函数，l’是对抗样本的预测标签。通过引入情感特征作为骨骼动作的补充表达，并使用ADMM算法来解决这个约束优化问题。具体的工作流程包括初始化、迭代更新对抗样本和拉格朗日乘子，直到满足停止条件。

应用

本文提出的方法在骨骼动作识别领域具有广泛的应用前景。通过提高对抗样本的不可感知性，该方法有助于增强骨骼动作识别系统的鲁棒性，特别是在实际应用场景中，如安全监控、人机交互和虚拟现实等。此外，该方法的创新性在于首次将情感特征引入对抗性攻击中，为未来的研究提供了新的方向。