近日，IEEE国际计算机视觉与模式识别会议（CVPR 2026）公布论文录用结果，我院范林坤老师、韩道军老师共同指导张家豪同学完成的，针对三维点云的后门攻击方法“Good Can Sometimes be Bad: A Unified Attack against 3D Point Cloud Classifier by a Flexible Isotropic Resampling”，顺利入选本次会议录用论文名单。该成果是河南大学为第一完成单位的研究成果在CVPR上的首次录用。

IEEE Conference on Computer Vision and Pattern Recognition，简称CVPR，是计算机视觉与模式识别领域的全球顶级学术会议，位列中国计算机学会（CCF）A类会议，在领域内具有极高的学术认可度。CVPR 2026将于2026年6月3日至7日，在美国科罗拉多州丹佛市举办，本次会议共计收到有效投稿16092篇，最终录用论文4090篇，录用率25.42%。

三维点云数据被广泛应用在具身智能、自动驾驶等领域，确保其安全可靠具有十分重要的意义。研究后门、对抗攻击方法揭示三维点云深度神经网络的安全漏洞是提高安全性的重要手段。传统的攻击方法通常要求特定的权限（例如，对抗攻击需要访问受害者 3D 深度神经网络（DNN）的梯度，而后门攻击则需要污染训练数据集），并且两种攻击通常是独立设计的。当权限发生变化时，这些独立的攻击可能失效。为解决该问题，该研究提出了一种针对三维点云分类器的统一攻击方法，UAtt3D，旨在同时实现后门攻击和对抗性攻击目标，以应对在实际部署场景中攻击者权限不确定的问题。UAtt3D探索了一种新颖的隐蔽性保证途径：通过提高被攻击点云的质量来掩盖恶意行为。这通过引入一种灵活各向同性重采样（Flexible Isotropic Resampling, FIR）方法实现，该方法能使点云分布更均匀，从而提高其视觉质量和某些客观指标，解决了现有攻击在隐蔽性保证方面的局限性。