一、背景
广义敌对攻击是一种针对深度学习的攻击方法，通过对整个输入进行微调，从而影响模型的运行结果。现有的针对回环检测的攻击以及物理贴图等方法，大多数都是针对一般的SLAM算法进行设计，而对于基于深度学习的视觉里程计来说，目前的攻击并没有过多的研究。在这篇文章中，作者提出了一种针对视觉里程计的广义敌对攻击。该攻击的实现方式是在原图中叠加一个不可见的扰动，之后在不被察觉的前提下实现攻击。
二、方法
文章选择SC-Depth作为主要的攻击对象。攻击所使用的扰动本身属于一种基于PGD的扰动，但是放在视觉里程计这个任务中，如果我们按照传统的方法，对一个序列中的所有图像都施加同样的扰动，这实际上会降低图像之间的差异性，而这一差异性本身就是视觉里程计工作的基础。针对这一问题，作者选择了对不同图像叠加不同的扰动，以此来保证图像之间的差异性。
具体来说，在论文中作者的目标是产生两个扰动，实际上数量是无所谓的，只不过论文用两个扰动进行举例。对于连续两帧，我们将两个扰动分别叠加在两张图上，我们的目标就是最大化叠加扰动后这两帧位姿计算结果的偏差。
现在我们就将攻击的过程转变为了PGD攻击的流程，为了增加攻击效果，作者让两个扰动分别进行叠加，从而产生两个优化的目标：
这两个优化目标分别被记为L1和L2，我们的优化目标其实就是L1和L2的加权求和。在优化扰动的过程中，作者设计了一系列的技巧来保证隐蔽性，首先是像素的合法性，作者使用CLIP函数来限制叠加攻击后的像素不超过0-255的范围。这个过程扰动实际上也做了限制，每次的扰动限制在2,4,8,16范围内，以此保证每次的扰动变化幅度不会太大。
在此基础上，每次的扰动在上一轮的基础上进行叠加。
这个公式实际上就是深度学习优化目标函数的变形，而且貌似有点写错了。这里我们假设扰动全是在合法范围内，那么最外层的CLIP函数可以去掉，这时有：
Pt是上一轮的结果sign为取符号函数，用于确定移动的方向，α为学习率，这么看的话，这个公式其实就是"沿着梯度方向移动学习率的距离"，这其实就是深度学习优化参数的过程。之所以说公式有点问题，是因为L1和L2代表的是LOSS值，这里应该是LOSS值对扰动P的导数，所以公式写的不对，应该是导数，否则意义说不通。正确的公式应该是：
优化的目标函数也可以进行调整，这里我是这么理解的，优化的过程本身是一个最小化损失函数的过程，对于视觉里程计任务，其输出应该是位移和角度，如果我希望对偏航角进行攻击，那么我应该最小化计算出的偏航角与"真值的负值"的差异，通过这种方法，让攻击后计算出的偏航角尽可能接近真值的负值，从而让攻击后的偏航角变成反方向。按照这个道理，作者设计了三种攻击方法，分别针对：偏航角、z轴以及全部计算结果。
