【CVPR2020-Uber】物理上可实现的对抗性的例子，用于激光雷达的目标检测，Physically Realizable Adversarial Examples for LiDAR Object Detection

题目： Physically Realizable Adversarial Examples for LiDAR Object Detection

摘要：

现代自主驾驶系统严重依赖深度学习模型来处理点云感知数据;与此同时，深层模型已经被证明容易受到带有视觉上难以察觉的干扰的对抗攻击。尽管这给自动驾驶行业带来了安全隐患，但在3D感知方面却鲜有探索，因为大多数对抗攻击只适用于2D平面图像。本文针对这一问题，提出了一种生成通用三维对抗对象的方法来欺骗激光雷达探测器。特别地，我们证明了在任何目标车辆的车顶放置一个对抗性物体来完全隐藏车辆不被激光雷达探测器发现，成功率为80%。我们使用点云的各种输入表示来报告一组检测器上的攻击结果。我们还利用数据扩充进行了对抗防御的初步研究。从有限的训练数据来看，这是朝着在不可见条件下更安全的自动驾驶又迈进了一步。