传感器对抗特性：三维目标检测传感器融合模型的鲁棒性分析
计算机视觉与模式识别
2021-09-16 v1 机器学习
摘要
自动驾驶车辆 (AVs) 的一个关键环节是目标检测阶段，其日益由传感器融合模型完成：即利用 2D RGB 图像数据与来自 LIDAR 传感器的 3D 数据作为输入的多模态三维目标检测模型。本工作中，我们首次研究分析一个高性能、开源传感器融合模型架构面对对抗攻击的鲁棒性，并挑战“使用额外传感器会自动缓解对抗攻击风险”的流行观点。我们发现，尽管使用了 LIDAR 传感器，该模型仍易受我们精心构造的基于图像的对抗攻击，包括消失攻击、通用补丁攻击与欺骗攻击。在找出根本原因后，我们探索了一些潜在防御手段，并为改进传感器融合模型提供了若干建议。
引用
@article{arxiv.2109.06363,
title = {Sensor Adversarial Traits: Analyzing Robustness of 3D Object Detection Sensor Fusion Models},
author = {Won Park and Nan Liu and Qi Alfred Chen and Z. Morley Mao},
journal= {arXiv preprint arXiv:2109.06363},
year = {2021}
}