通过条件扩散系统发现在线地图构建中的语义攻击
计算机视觉与模式识别
2026-05-15 v1 密码学与安全
机器学习
机器人学
摘要
自动驾驶车辆依赖在线高精地图构建来感知车道边界、分隔带和人行横道——这些直接决定运动规划的安全关键道路要素。虽然现有的像素扰动攻击可以破坏地图构建，但它们可以被标准的对抗防御所中和。我们提出了MIRAGE，这是一个用于系统发现语义攻击的框架，它通过寻找合理的环境变化（例如阴影、湿滑路面）来绕过对抗防御并降低地图预测质量。MIRAGE利用扩散模型学习到的真实世界数据的隐流形，搜索与真值相邻且具有相同道路拓扑但会误导地图预测的语义突变场景。我们在nuScenes上评估了MIRAGE并展示了两种攻击：（1）边界移除，抑制了57.7%的检测并破坏了96%的规划轨迹；（2）边界注入，这是唯一成功注入虚构边界的方法，而像素PGD和AdvPatch则完全失败。这两种攻击在各种对抗防御下仍然有效。我们使用两个独立的VLM评判器来量化真实感，其中MIRAGE有80--84%的时间被判定为真实（相比之下，干净的nuScenes为97--99%），而AdvPatch仅为0--9%。我们的发现暴露了当前对抗防御中的一个类别性空白：表现为合法环境变化的语义级扰动比像素级扰动更难被缓解。
引用
@article{arxiv.2605.14396,
title = {Systematic Discovery of Semantic Attacks in Online Map Construction through Conditional Diffusion},
author = {Chenyi Wang and Ruoyu Song and Raymond Muller and Jean-Philippe Monteuuis and Jonathan Petit and Z. Berkay Celik and Ryan Gerdes and Ming F. Li},
journal= {arXiv preprint arXiv:2605.14396},
year = {2026}
}