自动驾驶多传感器融合感知如何应对摄像头和激光雷达同时被蒙蔽的攻击？
- 内容介绍
- 文章标签
- 相关推荐
本文共计3812个文字，预计阅读时间需要16分钟。
作者王宁非+编辑机器之心+来自加州大学尔湾分校（UC Irvine）的研究者发现，L4级自动驾驶中，基于多传感器融合感知（Multi-Sensor Fusion based Perception）的技术能显著提高系统的鲁棒性。
作者丨汪宁非
编辑丨机器之心
来自加州大学尔湾分校（UC Irvine）的研究者发现，L4 自动驾驶里用的最广泛的用来提高系统鲁棒性的多传感器融合感知（Multi-Sensor Fusion based Perception）技术存在一个安全漏洞，使得攻击者可以 3D 打印出一个恶意的 3D 障碍物，放在道路中间，从而让自动驾驶车辆的 camera 和 LiDAR 机器学习检测模型都识别不到。这项研究已经正式发表在计算机安全四大顶会之一 IEEE S&P 2021。
在自动驾驶系统里，「感知」实时周围物体是所有重要驾驶决策的最基本前提。感知模块负责实时检测路上的障碍物，比如周围车辆、行人、交通锥 （雪糕筒）等等，从而避免发生一些交通事故。当前，L4 自动驾驶系统逐渐商业化，其普遍采用多传感器融合的设计，即融合不同的感知源，比如激光雷达（LiDAR）和摄像头（camera），从而实现准确并且鲁棒的感知。
本文共计3812个文字，预计阅读时间需要16分钟。
作者王宁非+编辑机器之心+来自加州大学尔湾分校（UC Irvine）的研究者发现，L4级自动驾驶中，基于多传感器融合感知（Multi-Sensor Fusion based Perception）的技术能显著提高系统的鲁棒性。
作者丨汪宁非
编辑丨机器之心
来自加州大学尔湾分校（UC Irvine）的研究者发现，L4 自动驾驶里用的最广泛的用来提高系统鲁棒性的多传感器融合感知（Multi-Sensor Fusion based Perception）技术存在一个安全漏洞，使得攻击者可以 3D 打印出一个恶意的 3D 障碍物，放在道路中间，从而让自动驾驶车辆的 camera 和 LiDAR 机器学习检测模型都识别不到。这项研究已经正式发表在计算机安全四大顶会之一 IEEE S&P 2021。
在自动驾驶系统里，「感知」实时周围物体是所有重要驾驶决策的最基本前提。感知模块负责实时检测路上的障碍物，比如周围车辆、行人、交通锥 （雪糕筒）等等，从而避免发生一些交通事故。当前，L4 自动驾驶系统逐渐商业化，其普遍采用多传感器融合的设计，即融合不同的感知源，比如激光雷达（LiDAR）和摄像头（camera），从而实现准确并且鲁棒的感知。