面向连接式和自动驾驶车辆的鲁棒视觉系统：安全挑战与攻击向量
计算机视觉与模式识别
2026-02-12 v2
摘要
本文探讨了连接式和自动驾驶车辆（CAV）中视觉系统的鲁棒性，这对于开发第五代自动驾驶能力至关重要。安全可靠的CAV导航无疑依赖于能够实现精确目标检测、车道标线和交通标志识别的鲁棒视觉系统。我们分析了CAV导航中关键传感器和视觉组件，以此构建CAV视觉系统（CAVVS）的参考架构。该参考架构为识别CAVVS的潜在攻击面提供了基础。随后，我们详述了针对每个攻击面的已识别攻击向量，严格评估其对保密性、完整性和可用性（CIA）的影响。我们的研究提供了视觉系统中攻击向量动态的全面理解，这对于制定能够维护CIA三角形原则的鲁棒安全措施至关重要。
引用
@article{arxiv.2602.09740,
title = {Robust Vision Systems for Connected and Autonomous Vehicles: Security Challenges and Attack Vectors},
author = {Sandeep Gupta and Roberto Passerone},
journal= {arXiv preprint arXiv:2602.09740},
year = {2026}
}
备注
Submitted to IEEE Transactions on Intelligent Vehicles