计算机工程

作者：张肇鑫, 黄世泽, 张兵杰, 沈拓

单位：1. 上海市轨道交通结构耐久与系统安全重点实验室, 上海 2018042. 同济大学道路与交通工程教育部重点实验室, 上海 2018043. 上海理工大学光电与计算机工程学院, 上海 200093

关键词：自动驾驶感知,对抗样本,运动模糊,目标检测,卷积神经网络

基金：国家重点研发计划(2022YFB4300501); 重庆市自然科学基金(CSTB2022NSCQ-MSX1454)

在自动驾驶感知系统中, 卷积神经网络(CNN)作为关键技术在车辆感知和决策中发挥着重要作用。然而, 其面临的对抗样本攻击威胁对自动驾驶系统的安全性和稳定性产生了严重影响。现有的对抗样本生成方法通常直接在图像中添加对抗扰动, 导致对抗样本视觉质量下降, 伪装性不足, 易被人类观察者识别。针对这一挑战, 引入交通场景中车辆运动引起的图像模糊先验知识, 提出一种运动模糊伪装对抗样本生成方法。通过模拟车辆和行人在移动过程中产生的模糊效应, 生成具有运动模糊特征的对抗样本。为了保持图像的运动模糊同时有效实现对抗攻击, 设计一种目标隐身的对抗样本损失函数。实验结果显示, 在ICDAR公共数据集上, 图像检测框数量为0, 通过Brenner梯度函数得到的图像模糊度指标为69.28, 证明了该方法可以生成运动模糊伪装对抗样本。

来源：2025年第3期

《计算机工程》期刊编辑部

查看计算机工程杂志2025年第3期