基于混合量子-经典AI的生成对抗网络深度伪造攻击检测策略——针对自动驾驶车辆交通标志分类系统
人工智能
2024-09-27 v1 新兴技术
摘要
自动驾驶车辆（AV）的感知模块高度依赖深度学习模型以检测和识别其周围环境中的各种物体。自动驾驶车辆交通标志分类系统是这一模块的关键组成部分，帮助车辆识别道路上的交通标志。然而，针对交通标志识别所捕获图像进行修改或篡改的对抗性攻击可能导致车辆误识别交通标志，从而引发危险后果。深度伪造技术在此类对抗攻击中发挥着重要作用，攻击者可将深度伪造交通标志取代真实世界中的交通标志图像，再将其输入自动驾驶车辆交通标志分类系统。本研究中，作者提出了如何构建一种基于生成对抗网络的深度伪造攻击，以欺骗自动驾驶车辆交通标志分类系统的方法。作者开发了一种利用混合量子-经典神经网络（NN）进行深度伪造流量标志图像检测的策略。该混合方法利用幅度编码来表示输入交通标志图像的特征，相较于经典方法显著降低了内存需求。作者在真实交通标志图像和深度伪造交通标志图像上，对该混合深度伪造检测方法以及多个经典卷积神经网络基准方法进行了评估。结果表明，针对深度伪造检测的混合量子-经典神经网络在大多数情况下，能够实现与或优于所考虑的多个经典卷积神经网络基准方法的相似或更好的性能，同时所需的内存不足于最浅层经典卷积神经网络的三分之一。
引用
@article{arxiv.2409.17311,
title = {A Hybrid Quantum-Classical AI-Based Detection Strategy for Generative Adversarial Network-Based Deepfake Attacks on an Autonomous Vehicle Traffic Sign Classification System},
author = {M Sabbir Salek and Shaozhi Li and Mashrur Chowdhury},
journal= {arXiv preprint arXiv:2409.17311},
year = {2024}
}