保障网联自动驾驶车辆安全：对抗机器学习带来的挑战与前进路径
机器学习
2020-02-24 v1 密码学与安全
机器学习
摘要
网联自动驾驶车辆（CAVs）将构成未来下一代智能交通系统（ITS）的骨干，提供出行舒适、道路安全以及若干增值服务。这一转型——将由机器学习（ML）与无线通信技术的同步进步所推动——将催生一个功能更优、效率更高的未来车载生态系统。然而，在此关键场景中应用 ML 存在潜在安全问题，其中一次错误的 ML 决策不仅会带来麻烦，更可能导致宝贵生命的丧失。本文深入概述了车载网络中应用 ML 所涉及的各类挑战。此外，我们构建了 CAVs 的 ML 流水线，并提出了采用 ML 方法所带来的各种潜在安全问题。我们尤其聚焦于对抗机器学习（adversarial ML）对 CAVs 攻击的视角，并勾勒出在多种场景下防御对抗攻击的解决方案。
引用
@article{arxiv.1905.12762,
title = {Securing Connected & Autonomous Vehicles: Challenges Posed by Adversarial Machine Learning and The Way Forward},
author = {Adnan Qayyum and Muhammad Usama and Junaid Qadir and Ala Al-Fuqaha},
journal= {arXiv preprint arXiv:1905.12762},
year = {2020}
}