针对自动驾驶目标检测的瞬态对抗性3D投影攻击

目标检测是自动驾驶中的一项关键任务。虽然现有研究已经提出了各种针对目标检测的攻击，例如使用对抗性补丁或贴纸的攻击，但对3D表面上的投影攻击的探索在很大程度上仍未展开。与具有固定对抗模式的对抗性补丁或贴纸相比，投影攻击允许对这些模式进行瞬态修改，从而实现更灵活的攻击。在本文中，我们引入了一种专门针对自动驾驶场景中目标检测的对抗性3D投影攻击。我们将攻击公式化为一个优化问题，结合使用了颜色映射和几何变换模型。我们的结果证明了所提出的攻击在物理环境中欺骗YOLOv3和Mask R-CNN的有效性。在室内环境中进行的评估显示，在低环境光照条件下，攻击成功率高达100%，凸显了我们的攻击在真实世界驾驶场景中的潜在危害。