发现自动驾驶车辆车道检测的黑盒攻击新型阴影模式
密码学与安全
2025-06-17 v2
摘要
我们提出了一种针对自动驾驶车辆 (AV) 车道检测系统的新型物理世界攻击，利用负阴影——通过将阳光通过遮挡物被动投射的明亮、类似车道的图案。这些图案利用现代车道检测 (LD) 算法中的基于强度的启发式方法，使 AV 将其误分类为真实车道标记。与先前攻击不同，本方法完全被动、无需电力且对人类观察者不显眼，可在公共环境中实现合法且隐蔽的部署。通过仿真、物理测试平台和受控现场评估，我们证明负阴影可导致特定情景下达 100% 的离岸偏离或碰撞率；例如，20 米阴影在 10 mph 以上速度下导致完全离岸退出，而 30 米阴影则引发持续的车道混淆和碰撞。用户研究确认该攻击的隐蔽性，在驾驶任务中有 83.6% 的参与者未能检测到其存在。为缓解此威胁，我们提出了一种轻量级防御——Luminosity Filter 预处理，通过亮度归一化和选择性滤波，将攻击成功率降低 87%。我们的发现暴露了当前 LD 系统的关键漏洞，凸显了对抗由被动、真实世界攻击构成的鲁棒感知防御的必要性。
引用
@article{arxiv.2409.18248,
title = {Discovering New Shadow Patterns for Black-Box Attacks on Lane Detection of Autonomous Vehicles},
author = {Pedram MohajerAnsari and Amir Salarpour and Jan de Voor and Alkim Domeke and Arkajyoti Mitra and Grace Johnson and Habeeb Olufowobi and Mohammad Hamad and Mert D. Pese},
journal= {arXiv preprint arXiv:2409.18248},
year = {2025}
}