摘要
激光雷达点云在自动驾驶等遥感感知场景中得到广泛应用。然而，基于激光雷达的感知模型仍易受对抗性干扰的影响，这可能会危及那些对安全性至关重要的3D感知系统的可靠性。在各种攻击方式中，基于迁移的攻击尤为实用，因为它们可以在易于获取的替代模型上生成对抗性样本，然后将这些样本直接应用于未知的目标模型。不过，现有的针对点云的迁移攻击往往会干扰对替代模型具有区分度但在不同架构下稳定性不足的区域，从而导致迁移能力有限且会出现明显的几何变形。为了解决这个问题，我们提出了SAGE，这是一种用于遥感领域激光雷达点云感知的、基于敏感度与几何结构优化的迁移攻击框架。具体而言，SAGE将点坐标先验信息与源模型梯度信号相结合，生成一张敏感度图，该图可作为识别易受攻击的局部结构的迁移指标。此外，SAGE还通过基于敏感度图的干扰分配以及明确的几何约束来提升迁移能力，同时保持点云的几何形态。为了验证SAGE的有效性，我们在点云分类基准测试上对其进行了评估，并进一步利用KITTI和nuScenes数据集在基于激光雷达的3D物体检测任务中对它进行了验证。实验结果表明，与现有的迁移攻击方法相比，SAGE在攻击成功率方面表现更佳，同时还能保持对抗性点云的良好几何质量。这些研究结果表明，SAGE为评估基于激光雷达的遥感感知系统的迁移鲁棒性提供了一种有效且实用的框架。
