SABER：面向 BEV 检测器的空间一致性 3D 通用对抗物体

BEV 3D 目标检测器的对抗鲁棒性对自动驾驶（AD）至关重要。现有的侵入式攻击需要改变目标车辆本身（例如附加补丁），使其在现实世界评估中不切实际且不现实。虽然在环境中放置对抗物体的非侵入式攻击更为实用，但当前方法仍缺乏物理上合理的威胁所需的多视图和时间一致性。在本文中，我们提出了首个生成通用、非侵入式且 3D 一致的对抗物体的框架，揭示了 BEV 3D 目标检测器的基本漏洞。我们的方法不修改目标车辆，而是将渲染物体插入场景中，并利用遮挡感知模块来强制跨视图和时间的物理合理性。为了在跨视图和跨帧时保持攻击有效性，我们采用 BEV 空间特征引导的优化策略来优化对抗物体外观，以攻击检测器的内部表示。大量实验表明，我们学习到的通用对抗物体能够从各种视点和距离持续降低多个 BEV 检测器的性能。更重要的是，这种新的环境操纵攻击范式揭示了模型对上下文线索的过度依赖，并为 AD 系统的鲁棒性评估提供了实用流程。