自动驾驶汽车中伪装对抗攻击的缓解——基于CARLA模拟器的案例研究
密码学与安全
2025-07-17 v1 人工智能
机器学习
摘要
自动驾驶汽车（AVs）严重依赖摄像头和人工智能（AI）来做出安全、准确的驾驶决策。然而，由于AI是核心使能技术，这引发了严重的网络威胁，阻碍了AV的大规模采用。因此，分析AV安全系统抵御那些操纵摄像头输入、欺骗AI模型的复杂攻击的韧性变得至关重要。在本文中，我们开发了针对AV中交通标志识别（TSR）的摄像头伪装对抗攻击。具体而言，攻击通过修改停车标志的纹理来欺骗AV的目标检测系统，从而影响AV的执行器。攻击的有效性使用CARLA AV模拟器进行了测试，结果表明，此类攻击可以延迟对停车标志的自动制动响应，导致潜在的安全问题。我们在各种条件下进行了大量实验，证实了我们的新攻击是有效且鲁棒的。此外，我们通过提出缓解策略来应对该攻击。所提出的攻击和防御方法适用于其他端到端训练的自主信息物理系统。
引用
@article{arxiv.2502.05208,
title = {Mitigation of Camouflaged Adversarial Attacks in Autonomous Vehicles--A Case Study Using CARLA Simulator},
author = {Yago Romano Martinez and Brady Carter and Abhijeet Solanki and Wesam Al Amiri and Syed Rafay Hasan and Terry N. Guo},
journal= {arXiv preprint arXiv:2502.05208},
year = {2025}
}