EVD4UAV: 드론에서 차량 탐지 회피를 위한 고도 민감 기준

무인 항공기(UAV) 촬영 이미지에서 차량 탐지는 항공 촬영 및 원격 감지 분야에서 광범위한 응용을 갖는다. UAV 이미지에서 차량 탐지 및 추적을 위한 많은 공개 기준 데이터셋이 제안되어 왔다. 최근 연구에 따르면, 객체에 적대적 패치(adversarial patch)를 부착하는 것만으로도 잘 훈련된 딥 신경망 기반 객체 탐지기들을 속일 수 있으며, 이는 하류 작업에 대한 보안 위협을 야기한다. 그러나 기존의 공개 UAV 데이터셋은 대부분 측면에서 촬영된 흐릿한 차량 지붕을 가진 이미지에서 다수의 고도, 차량 특성, 세부적인 인스턴스 수준의 레이블을 충분히 반영하지 못하고 있어, 적대적 패치 기반 차량 탐지 공격 문제를 연구하기에 부적합하다. 본 논문에서는 이러한 문제를 해결하기 위해, UAV 환경에서 차량 탐지를 회피하기 위한 고도 민감형 기준 데이터셋인 EVD4UAV를 제안한다. EVD4UAV는 6,284장의 이미지와 90,886개의 세부적인 레이블을 갖는 차량을 포함하고 있으며, 다양한 고도(50m, 70m, 90m), 차량 특성(색상, 유형), 정밀한 레이블(수평 및 회전된 경계 박스, 인스턴스 수준 마스크)을 포함한 정상 시점(top view)에서 명확한 차량 지붕을 제공한다. EVD4UAV에서 세 가지 대표적인 딥 신경망 기반 객체 탐지기들을 대상으로, 하나의 화이트박스 및 두 가지 블랙박스 기반 패치 공격 방법을 구현하였다. 실험 결과, 이러한 대표적인 공격 방법들은 고도에 무관한 강건한 공격 성능을 달성하지 못함을 확인하였다.