基于深度学习的空间交会对接相对位姿估计的鲁棒对抗攻击检测
计算机视觉与模式识别
2023-11-13 v1 人工智能
密码学与安全
机器学习
机器人学
摘要
近年来，针对自主航天器相对导航挑战开发深度学习技术的研究持续增长。采用这些技术可提升性能。然而，这类方法也因其易受对抗攻击而引发了对深度学习方法可信性与安全性的高度担忧。在本工作中，我们提出了一种基于可解释性概念的、面向深度神经网络相对位姿估计方案的对抗攻击检测新方法。我们针对轨道交会场景开发了一种创新的相对位姿估计技术，采用所提出的卷积神经网络(CNN)，该网络接收追踪航天器机载相机图像并精确输出目标相对位置与姿态。我们使用由快速梯度符号法(FGSM)生成的对抗攻击对输入图像进行无缝扰动。随后，对抗攻击检测器基于长短期记忆(LSTM)网络构建，该网络以来自 CNN 位姿估计器的可解释性度量即 SHapley 值(SHAP)为输入，并在受到攻击时标记对抗攻击检测。仿真结果表明，所提对抗攻击检测器达到了 99.21% 的检测准确率。随后，深度相对位姿估计器与对抗攻击检测器均在来自我们实验室设计装置的真实数据上进行了测试。我们实验室设计装置的实验结果表明，所提对抗攻击检测器达到了 96.29% 的平均检测准确率。
引用
@article{arxiv.2311.05992,
title = {Robust Adversarial Attacks Detection for Deep Learning based Relative Pose Estimation for Space Rendezvous},
author = {Ziwei Wang and Nabil Aouf and Jose Pizarro and Christophe Honvault},
journal= {arXiv preprint arXiv:2311.05992},
year = {2023}
}