ADoPT：基于点级时间一致性的LiDAR欺骗攻击检测
计算机视觉与模式识别
2023-10-24 v1
摘要
深度神经网络（DNNs）正日益集成至自动驾驶车辆（AVs）基于LiDAR（光探测与测距）的感知系统中，需在对抗条件下保持鲁棒性能。我们旨在应对LiDAR欺骗攻击的挑战，即攻击者向LiDAR数据中注入虚假物体，诱使自动驾驶车辆误判环境并做出错误决策。然而，当前防御算法主要依赖感知输出（即边界框），鉴于边界框由不完美感知模型处理基于自车视角获取的有限点云所生成，其在检测攻击者时面临局限。为克服这些限制，我们提出名为ADoPT（基于点级时间一致性的异常检测）的新框架，其定量度量连续帧间的时间一致性，并依据点簇的相干性识别异常物体。在使用nuScenes数据集的评估中，我们的算法有效抵御多种LiDAR欺骗攻击，实现低（<10%）假阳性率（FPR）与高（>85%）真阳性率（TPR），优于现有最先进防御方法CARLO与3D-TC2。此外，我们的评估展示了在不同道路环境下精准攻击检测的良好潜力。
引用
@article{arxiv.2310.14504,
title = {ADoPT: LiDAR Spoofing Attack Detection Based on Point-Level Temporal Consistency},
author = {Minkyoung Cho and Yulong Cao and Zixiang Zhou and Z. Morley Mao},
journal= {arXiv preprint arXiv:2310.14504},
year = {2023}
}
备注
BMVC 2023 (17 pages, 13 figures, and 1 table)