Bo-Hsu Ke You-Zhe Xie Yu-Lun Liu Wei-Chen Chiu

摘要

像神经辐射场（NeRF）和三维高斯点阵（3D Gaussian Splatting, 3DGS）这样的三维场景表示方法在新视角合成任务中取得了显著进展。随着这些方法的广泛应用，其安全漏洞问题日益凸显，亟需加以应对。本文系统分析了3DGS对图像级投毒攻击的鲁棒性，并提出一种新型的密度引导型投毒攻击方法。该方法通过核密度估计（Kernel Density Estimation, KDE）识别低密度区域，针对性地注入高斯点，从而在被污染视角下生成视角相关的错觉物体，使其清晰可见，同时对无辜视角的影响极小。此外，我们设计了一种自适应噪声策略，以破坏多视角一致性，进一步提升攻击效果。为系统评估攻击难度，我们提出一种基于KDE的评估协议，为未来研究提供客观的基准测试框架。大量实验结果表明，所提方法在性能上显著优于现有最先进技术。项目主页：https://hentci.github.io/stealthattack/