SLACK：针对基于 LiDAR 的 SLAM 的对抗性点注入攻击
计算机视觉与模式识别
2025-04-07 v1
摘要
基于学习方法的 LiDAR 在自动驾驶车辆中易受到通过对抗性点注入 (PiJ) 进行的对抗攻击。这构成了导航和地图生成的严重安全挑战。尽管其关键性质，但目前尚无主要工作研究针对 LiDAR 基于 SLAM 的学习型攻击。我们提出了 SLACK，一种用于攻击 LiDAR 扫描并进行多次点注入的端到端深度生成对抗模型，同时不降低 LiDAR 质量。为促进 SLACK，我们设计了一种新颖且简单的数据自动编码器，通过分段注意力增强对比学习，以实现精确重建。SLACK 在 KITTI 和 CARLA-64 数据集上显示出在点注入 (PiJ) 任务中优于最佳基线的优异性能，同时保持准确的扫描质量。我们在定性和定量方面演示了使用少数 LiDAR 点进行 PiJ 攻击。它在不降低 LiDAR 扫描质量的前提下严重降低导航和地图质量。
关键词
引用
@article{arxiv.2504.03089,
title = {SLACK: Attacking LiDAR-based SLAM with Adversarial Point Injections},
author = {Prashant Kumar and Dheeraj Vattikonda and Kshitij Madhav Bhat and Kunal Dargan and Prem Kalra},
journal= {arXiv preprint arXiv:2504.03089},
year = {2025}
}