针对 LiDAR 分割对抗攻击的高效基于模型的净化方法
计算机视觉与模式识别
2025-08-28 v1 人工智能
摘要
基于 LiDAR 的分割对于自动驾驶车辆中的可靠感知至关重要，然而现代分割网络极易受到可能危及安全的对抗性攻击的影响。大多数现有防御措施专为直接在原始 3D 点云上运行的网络而设计，并依赖于大型、计算密集型的生成模型。然而，许多最先进的 LiDAR 分割流水线在更高效的 2D 距离视图表示上运行。尽管它们被广泛采用，但针对该领域的专用轻量级对抗防御在很大程度上仍未被探索。我们引入了一个高效的基于模型的净化框架，专为 2D 距离视图 LiDAR 分割中的对抗防御而定制。我们提出了一种在距离视图域中的直接攻击公式，并基于数学上合理的优化问题开发了一个可解释的净化网络，以最小的计算开销实现了强大的对抗性恢复能力。我们的方法在开放基准测试中取得了有竞争力的性能，始终优于生成式和对抗训练基线。更重要的是，在演示车辆上的真实世界部署证明了该框架在实际自动驾驶场景中提供准确操作的能力。
引用
@article{arxiv.2508.19290,
title = {Efficient Model-Based Purification Against Adversarial Attacks for LiDAR Segmentation},
author = {Alexandros Gkillas and Ioulia Kapsali and Nikos Piperigkos and Aris S. Lalos},
journal= {arXiv preprint arXiv:2508.19290},
year = {2025}
}