DSADA：利用物体的空间形状检测驾驶辅助系统中的欺骗攻击

《ACM Transactions on Autonomous and Adaptive Systems》：DSADA: Detecting Spoofing Attacks in Driver Assistance Systems Using Objects’ Spatial Shapes

针对自动驾驶系统中的对抗攻击问题，提出基于LiDAR点云和物体空间形状的检测方法DSADA。该方法通过交叉验证检测算法与点云数据的矛盾，实现100%真阳性率和3.97%假阳性率的防护效果，有效识别投影、显示及打印类伪造物，限制攻击范围至常见驾驶物体。

　　

摘要

目标检测算法存在一种感知缺陷，即无法区分伪造物体和真实物体。在本文中，我们研究了高级驾驶辅助系统（ADAS）在面临物理和数字欺骗攻击时的这种感知缺陷。为了解决这一问题，我们提出了一种名为DSADA（检测驾驶辅助系统中的欺骗攻击）的方法，该方法利用激光雷达点云和物体的空间形状来减轻针对目标检测算法的欺骗攻击及其误分类问题。DSADA接收目标检测算法的输出结果以及每个场景对应的激光雷达点云数据，通过分析点云中获取的物体空间形状来对目标检测结果进行交叉验证。一旦发现差异，系统会生成警报以提示存在欺骗攻击。我们分析了针对DSADA的有防御意识和无防御意识的攻击行为。评估结果显示，该方法的准确率达到了100%，误报率仅为3.97%，证明了其有效性。对比评估表明，该方法能够识别出更广泛的欺骗物体类型（包括投影式、显示式和打印式的物体），同时将潜在攻击的范围限定在驾驶环境中的常见物体上。