SA-Attack：针对轨迹预测的速度自适应隐蔽对抗攻击
机器学习
2024-04-22 v1 计算机视觉与模式识别
摘要
轨迹预测对于自动驾驶车辆的安全规划与导航至关重要。基于神经网络的轨迹预测模型容易受到对抗攻击。以往的攻击方法实现了较高的攻击成功率，但忽略了对真实场景的适应性以及欺骗的隐蔽性。为了解决这一问题，我们提出了一种名为 SA-Attack 的速度自适应隐蔽对抗攻击方法。该方法搜索轨迹预测模型的敏感区域，并利用跟车方法结合即将到来的轨迹信息生成对抗轨迹。我们的方法能够通过从零开始重构轨迹来适应不同的速度场景。融合未来轨迹趋势和曲率约束可以保证对抗轨迹的平滑性，从而进一步确保攻击的隐蔽性。在 nuScenes 和 Apolloscape 数据集上的实证研究证明了我们提出方法的攻击性能。最后，我们还展示了 SA-Attack 在不同速度场景下的适应性和隐蔽性。我们的代码可在以下仓库获取：https://github.com/eclipse-bot/SA-Attack。
引用
@article{arxiv.2404.12612,
title = {SA-Attack: Speed-adaptive stealthy adversarial attack on trajectory prediction},
author = {Huilin Yin and Jiaxiang Li and Pengju Zhen and Jun Yan},
journal= {arXiv preprint arXiv:2404.12612},
year = {2024}
}
备注
This work is published in IEEE IV Symposium