针对自动驾驶中相机-激光雷达融合的黑盒攻击安全性分析
密码学与安全
2022-02-22 v4 机器学习
系统与控制
系统与控制
摘要
为了实现安全可靠决策,自动驾驶车辆(AVs)将传感器数据输入感知算法以理解环境。具有多帧跟踪的传感器融合正日益流行于三维物体检测。因此,在本工作中,我们在 AV 背景下对相机-激光雷达融合在激光雷达欺骗攻击下进行分析。最近,仅激光雷达感知被证明易受激光雷达欺骗攻击;然而,我们证明这些攻击无法破坏相机-激光雷达融合。随后我们定义了一种新颖的、上下文感知的攻击:视锥攻击,并展示在 8 种广泛使用的感知算法中——涵盖 3 种仅激光雷达架构和 3 种相机-激光雷达融合架构——所有算法都对视锥攻击显著脆弱。此外,我们证明视锥攻击对现有针对激光雷达欺骗的防御具有隐蔽性,因为它保持了相机与激光雷达语义间的一致性。最后,我们展示视锥攻击可随时间持续实施以形成隐蔽的纵向攻击序列,危害跟踪模块并在端到端 AV 控制上造成不利后果。
引用
@article{arxiv.2106.07098,
title = {Security Analysis of Camera-LiDAR Fusion Against Black-Box Attacks on Autonomous Vehicles},
author = {R. Spencer Hallyburton and Yupei Liu and Yulong Cao and Z. Morley Mao and Miroslav Pajic},
journal= {arXiv preprint arXiv:2106.07098},
year = {2022}
}