面向视觉引导自动驾驶车辆的图像攻击学习
机器人学
2021-05-19 v2 密码学与安全
计算机视觉与模式识别
机器学习
摘要
尽管对抗神经网络在静态图像攻击中已被证明成功，但很少有方法在考虑自动驾驶车辆底层物理动力学、其任务与环境的情况下，用于攻击在线图像流。本文提出一种在线对抗机器学习框架，可有效误导自动驾驶车辆的使命。在现有面向自动驾驶车辆的图像攻击方法中，每一图像帧都重复进行优化步骤。该框架消除了每帧完全收敛优化的需要，以实时实现图像攻击。利用强化学习，在一个图像帧集合上训练生成神经网络，获得对动态与不确定环境更鲁棒的攻击策略。引入状态估计器处理图像流，以降低攻击策略对未知位置与速度等物理变量的敏感性。提供了仿真研究以验证结果。
引用
@article{arxiv.2105.03834,
title = {Learning Image Attacks toward Vision Guided Autonomous Vehicles},
author = {Hyung-Jin Yoon and Hamidreza Jafarnejadsani and Petros Voulgaris},
journal= {arXiv preprint arXiv:2105.03834},
year = {2021}
}