面向自动驾驶感知的深度神经网络局限性系统化风险评估
密码学与安全
2026-04-24 v1 计算机与社会
机器学习
摘要
安全与可靠性是自动驾驶车辆获得与接受的关键因素。深度神经网络（DNN）广泛用于自动驾驶（AD）堆栈中的感知及后续组件。然而，它们存在若干局限，包括缺乏泛化性、效率、可解释性、可信度和鲁棒性等。这些不足可能对自动驾驶系统构成显著风险。然而，针对 DNN 在该领域局限性所引发的危害、威胁与风险，迄今尚未进行系统性研究。在本工作中，我们提出一种联合工作流程，用于风险评估，将遵循 ISO 26262 的危害分析与风险评估（HARA）与遵循 ISO/SAE 21434 的威胁分析与风险评估（TARA）结合，以识别和分析源于 DNN 局限性在 AD 感知中产生的风险。
引用
@article{arxiv.2604.20895,
title = {Towards a Systematic Risk Assessment of Deep Neural Network Limitations in Autonomous Driving Perception},
author = {Svetlana Pavlitska and Christopher Gerking and J. Marius Zöllner},
journal= {arXiv preprint arXiv:2604.20895},
year = {2026}
}
备注
Accepted for publication at the SECAI workshop at ESORICS 2025