不可见触发器，危及可见！面向自动驾驶视觉3D检测的道路风格对抗攻击

现代自动驾驶系统利用3D目标检测感知3D环境中的前景目标，以进行后续预测和规划。基于RGB摄像头的视觉3D检测相较于LiDAR范式提供了成本效益更好的解决方案。尽管实现了令人满意的检测精度，但当前基于深度神经网络的模型高度易受对抗样本的攻击。为此引发深层安全顾虑，我们调查了自动驾驶场景中的现实对抗攻击。先前工作已演示在道路表面放置对抗海报以诱发检测器中幻觉的可行性。然而，这些海报的不自然外观使其易被人类察觉，其固定内容可被针对性地防御。为此，我们提出AdvRoad生成多样化的道路风格对抗海报。对手会呈现自然的外观，似乎来自道路表面，却能使检测器在攻击位置感知不存在的目标。我们采用两阶段方法，即道路风格对手生成与场景关联适应，最大化输入场景的攻击效果，同时确保海报的自然外观，使攻击可在不引人注意的情况下实施。广泛的实验表明，AdvRoad对不同检测器、场景和欺骗位置具有良好的概括性。此外，物理攻击进一步证明了在实际环境中存在的实际威胁。