针对自动驾驶单目深度估计的光学镜头攻击
计算机视觉与模式识别
2024-11-04 v1 密码学与安全
摘要
单目深度估计（MDE）是基于视觉的自动驾驶（AD）系统的关键组成部分，使车辆能够使用单个摄像头图像估计周围物体的深度。此估计指导关键的驾驶决策，例如在障碍物前刹车或变道以避免碰撞。在本文中，我们探索了AD系统中MDE算法的漏洞，提出了LensAttack，这是一种新颖的物理攻击，它策略性地将光学镜头放置在自动驾驶汽车的摄像头上，以操纵感知到的物体深度。LensAttack包含两种攻击形式：凹透镜攻击和凸透镜攻击，每种都利用不同的光学镜头来诱导错误的深度感知。我们首先开发了一个数学模型来概述攻击的参数，随后通过模拟和真实世界评估来评估其对最先进的MDE模型的有效性。此外，我们采用了一种攻击优化方法，通过优化攻击焦距来进一步提高攻击成功率。为了更好地评估LensAttack对AD的影响，我们使用CARLA平台进行了全面的端到端系统模拟。结果表明，LensAttack可以显著破坏AD系统中的深度估计过程，对其可靠性和安全性构成严重威胁。最后，我们讨论了一些潜在的防御方法来减轻所提出攻击的影响。
引用
@article{arxiv.2411.00192,
title = {Optical Lens Attack on Monocular Depth Estimation for Autonomous Driving},
author = {Ce Zhou and Qiben Yan and Daniel Kent and Guangjing Wang and Weikang Ding and Ziqi Zhang and Hayder Radha},
journal= {arXiv preprint arXiv:2411.00192},
year = {2024}
}
备注
28 pages. arXiv admin note: substantial text overlap with arXiv:2409.17376