针对自动驾驶多任务视觉感知的对抗攻击
计算机视觉与模式识别
2021-11-09 v2
摘要
近年来，深度神经网络（DNNs）在包括自动驾驶感知任务在内的各类应用中取得了令人瞩目的成功。另一方面，当前的深度神经网络极易受到对抗攻击的欺骗。这一脆弱性引发了重大担忧，尤其是在安全关键型应用中。因此，针对DNNs的攻击与防御研究获得了大量关注。本工作中，我们对一个多样化的多任务视觉感知深度网络在距离估计、语义分割、运动检测和目标检测上施加了细致的对抗攻击。实验考虑了白盒与黑盒攻击下的定向与非定向情形，在攻击某一任务的同时检视其对所有其他任务的影响，并进一步检视应用一种简单防御方法的效果。我们在本文末尾通过比较与讨论实验结果，提出见解与未来工作。攻击的可视化见 https://youtu.be/6AixN90budY。
引用
@article{arxiv.2107.07449,
title = {Adversarial Attacks on Multi-task Visual Perception for Autonomous Driving},
author = {Ibrahim Sobh and Ahmed Hamed and Varun Ravi Kumar and Senthil Yogamani},
journal= {arXiv preprint arXiv:2107.07449},
year = {2021}
}
备注
Accepted for publication at Journal of Imaging Science and Technology