Navigating Threats: A Survey of Physical Adversarial Attacks on LiDAR Perception Systems in Autonomous Vehicles

要約

自動運転車 (AV) は、正確な認識とナビゲーションのために LiDAR (光検出および測距) システムに大きく依存しており、物体の検出と分類に重要な高解像度の 3D 環境データを提供します。
ただし、LiDAR システムは敵対的な攻撃に対して脆弱であり、AV の安全性と堅牢性に重大な課題をもたらします。
この調査では、単一モダリティとマルチモダリティの両方のコンテキストをカバーし、LiDAR ベースの知覚システムを標的とした物理的敵対的攻撃に関する現在の研究状況を徹底的にレビューします。
私たちは、スプーフィングや物理的敵対的オブジェクト攻撃など、さまざまな攻撃タイプを分類して分析し、その方法論、影響、現実世界への潜在的な影響を詳しく説明します。
詳細なケーススタディと分析を通じて、重大な課題を特定し、LiDAR ベースのシステムに対する既存の攻撃のギャップを浮き彫りにします。
さらに、これらのシステムのセキュリティと回復力を強化し、最終的に自動運転車のより安全な展開に貢献するための将来の研究の方向性を提案します。

要約(オリジナル)

Autonomous vehicles (AVs) rely heavily on LiDAR (Light Detection and Ranging) systems for accurate perception and navigation, providing high-resolution 3D environmental data that is crucial for object detection and classification. However, LiDAR systems are vulnerable to adversarial attacks, which pose significant challenges to the safety and robustness of AVs. This survey presents a thorough review of the current research landscape on physical adversarial attacks targeting LiDAR-based perception systems, covering both single-modality and multi-modality contexts. We categorize and analyze various attack types, including spoofing and physical adversarial object attacks, detailing their methodologies, impacts, and potential real-world implications. Through detailed case studies and analyses, we identify critical challenges and highlight gaps in existing attacks for LiDAR-based systems. Additionally, we propose future research directions to enhance the security and resilience of these systems, ultimately contributing to the safer deployment of autonomous vehicles.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google