评估针对增强3D点云公开数据集的投毒攻击对网联自动驾驶汽车的操作影响

针对公开数据集的投毒攻击引发了重大担忧，例如（i）当投毒数据用于训练时，感知对象被错误分类，以及（ii）嵌入后门，这些后门可能在系统对学习模型应用特定条件时被触发。其对数据增强模型的影响尚不清楚。虽然数据增强降低了投毒攻击成功的可能性，但仍存在一些有效的问题。数据增强是否会影响投毒攻击的影响？它是否会增加投毒样本或注入后门的数量？我们在本文中探讨了其中一些问题。我们评估了增强投毒3D点云数据集的效果，并验证了在使用生成对抗网络（GAN）技术作为数据增强处理的具体案例时，投毒能够规避增强技术的净化特性。我们还验证了投毒会传播到增强数据集，并最终干扰通用分类器做出的决策。所有实验材料（包括工具、数据集和分类器）均公开可用，以促进可重复性并推动该主题的进一步研究。