路面污渍也能用来攻击！基于深度学习的自动车道居中辅助系统的安全研究

本文研究内容来自加州大学尔湾分校（UC Irvine）的一个专攻自动驾驶和智能交通的安全研究团队。该团队一项工作的成果报告在8月13日正式发表在USENIX Security 2021（计算机安全四大顶会之一），且该工作的早期版本获得了NDSS 2020（计算机安全四大顶会之一）Best Technical Poster Award。研究主要展示了产品级L2自动驾驶系统中的自动车道居中辅助系统（ALC，Automated Lane Centering）的安全。L2自动驾驶车通常利用深度神经网络（DNN）的车道检测来实现ALC。由于DNN模型对对抗性样本攻击的脆弱性已被广泛报道，该团队首次在物理世界对抗性样本攻击下对最先进的基于DNN的ALC系统在其运行设计域（即具有完整车道线的道路）中进行了安全分析。研究发现，DNN模型层面的漏洞可以导致整个 ………………………………