GaussTrap：3DGS隐蔽后门攻击框架

2026年10月20日，arXiv Computer Vision 刊出研究，作者 Jiaxin Hong 等提出并实验验证了针对 3D Gaussian Splatting（3DGS）的隐蔽后门攻击框架 GaussTrap。该框架利用 3DGS 的自适应密度控制机制诱导局部高斯增殖，把后门嵌入场景几何，流程分为对抗注入、几何稳定、全局保真恢复三个阶段：在触发视角造成定向视觉破坏，同时保持其他视角的渲染真实感。合成与真实基准实验显示，该攻击可靠且难以检测，代码已开源。报道未披露具体数据集、量化指标或防御评估细节。

AI 根据报道生成 · 45 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。