AI 与机器学习2019arxiv.org
愚弄监控摄像头：攻击人体检测的对抗补丁
Fooling surveillance cameras: adversarial patches to attack person detection
入门 · 约 45 分钟读完前置知识：深度学习基础、目标检测基础、对抗样本概念
导读
这篇论文研究如何用对抗性补丁欺骗行人检测系统：攻击者只需携带或佩戴一块特制图案，就能让监控摄像头中的行人检测模型无法识别出人。作者展示了这种攻击在实际场景中的可行性，例如将补丁做成可穿戴的衣物图案。
HN 关注点：对抗样本攻击的现实应用价值——这是少数看起来真正实用、可穿在身上的 ML 迷彩方案，引发了关于监控与反监控的讨论。
HN 评论精选
这几条评论里：支持 2 补充 2
支持分享演示视频，认为该补丁可实际做成 T 恤使用
论文 PDF 里的演示视频：https://www.youtube.com/watch?v=MIbFvK2S9g8 看起来做成 T 恤穿在身上效果会很好。
ashleysmithgpu查看英文原文
Example video from the pdf: https://www.youtube.com/watch?v=MIbFvK2S9g8 Looks like it would work well on a tshirt
支持认为这是首个真正实用的 ML 迷彩，比 CV Dazzle 更低调可行
看论文里的照片，这是第一个看起来真正实用的 ML 迷彩图案。穿这种“对抗性补丁”T 恤的人在公共场合看起来毫不起眼。其他类型的 ML 迷彩（如 cvdazzle.com）太扎眼了，除了当艺术项目外没什么实用价值。
ardy42查看英文原文
Looking at the photos in the paper, that's the first ML-camouflage pattern that actually seems practical. I could see someone wearing a shirt with this "adversarial patch" looking totally unremarkable in public. Other types of ML-camouflage, like https://cvdazzle.com/, make the wearer stand out far too much to actually be useful as anything but an art project.
补充推测补丁位置有效的原因是模型依赖上下衣着分界特征
补丁必须放在腰部附近，说明上衣/裤子的交界处对算法很重要——训练数据里大量正常着装的人，其上衣和裤子颜色通常对比明显。我很好奇牛仔+牛仔、连体工装或连衣裙是否会让行人检测更困难。
dsfyu404ed查看英文原文
The fact that the patch has to be placed around the waist seems to indicate that the shirt/pants transition is important to the algorithm (makes sense considering that training data full of normally dressed people is almost certainly going to have a lot of pictures of people that are dressed in a shirt that contrasts their pants). I wonder how if denim + denim, a coverall or a dress makes person detection harder.
补充认为对抗攻击与 ML 防御将是一场持续的猫鼠游戏
演示视频太搞笑了。你无法阻止摄像头对着你，所以现实中最优选择是依赖一条永恒的原理：修改输入信息就会改变输出结果，因为输出永远依赖输入。这很快会变成另一场猫鼠游戏——机器学习只能准确识别它见过的数据，人们会不断想出新点子绕过它。
netwanderer3查看英文原文
The demonstrating video was hilarious. You cannot stop the camera to be there or aiming at you, so realistically the best option is to rely on a timeless principle: modifying input information will lead to changes of its output result, since the second element will always depend on the first. I can see this is going to be another cat and mouse game in the near future. People are going to constantly come up with new creative ideas to circumvent around machine learning since it can only accurately identify data which it has already seen.
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2019Hacker News 讨论帖148 分 · 23 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选