机构名称：
¥ 1.0
由深神经网络（DNN）赋予的自动驾驶汽车（AV）为我们的社会带来了变革性的变化。但是，他们通常容易受到对抗攻击的影响，尤其是在物理上可实现的扰动，这些扰动可能会误导感知并引起灾难性的结果。尽管现有的防御能够表现出成功，但仍需要提高鲁棒性，同时保持效率以实现实时系统操作。为了应对这些挑战，我们介绍了物理素，这是一种构成的解决方案，利用多方面的推理来进行误解检测和校正。此防御构建在物理特征上，包括静态和动态对象属性及其相互关系。为了有效地整合了这些不同的来源，我们基于条件随机字段开发了一个系统，该系统将对象和关系建模为空间 - 时空图，以在感知到的场景上进行整体推理。为了确保防御不会违反实时网络控制循环的时序要求，我们介绍了工作负载的运行时间特征，以并行化和管道执行量实现。通过模拟数据集和现实世界驾驶测试，可以在实验上验证物理的功效。它还证明了针对自适应攻击的弹性，以及将基本原则应用于视力超出视觉方式的其他方式的潜力。
物理学：通过一致性推理为自主系统的物理攻击
主要关键词
相关文件推荐
