arXiv · 机器人与计算机视觉· Jiaxin Hong, Sixu Chen, Shuoyang Sun, Hongyao Yu, Hao Fang, Yuxin Peng, Bin Chen, Jiawei Li·· 2026-10-20AI 评分62
GaussTrap:针对 3D Gaussian Splatting 的后门攻击研究
GaussTrap: Stealthy Backdoor Attacks on 3D Gaussian Splatting for Targeted Scene Misperception
AI 导读
该论文研究了 3D Gaussian Splatting (3DGS) 的安全漏洞,发现其自适应密度控制机制存在固有缺陷,可被用于在场景几何中嵌入不可见的恶意后门。作者提出了 GaussTrap 框架,通过对抗注入、几何稳定和全局保真度恢复三个阶段,实现在特定视角诱导目标视觉错乱的同时保持其他视角的光照真实感。实验表明该方法能有效触发攻击且难以检测,代码已开源。
来源:arXiv · 机器人与计算机视觉 · arxiv.org