飞行对抗补丁：操控基于深度学习的自主多旋翼行为

自主飞行机器人（如多旋翼）通常依赖神经网络基于相机图像进行预测。这些深度学习（DL）模型若应用于训练域之外的输入图像，会产生令人意外的结果。对抗攻击利用这一缺陷，例如通过计算小图像（即所谓对抗补丁）放置于环境中以操控神经网络的预测。我们提出飞行对抗补丁，将图像挂载于另一飞行机器人上，从而可置于受害多旋翼视场中任意位置。为实施有效攻击，我们比较了三种同时优化对抗补丁及其在输入图像中位置的方法。我们在一个公开的自主多旋翼 DL 模型与数据集上进行了实证验证。最终，我们的攻击多旋翼将能够完全控制受害多旋翼的运动。