高级自动驾驶中的侧向定位攻击：通过车道检测实现领域特定的防御机会
摘要：基于车道检测的高级自动驾驶系统的定位是高安全性的。虽然流行的多传感器融合设计可以更好地抵御单传感器伪装攻击，但最近发现最先进的多传感器融合算法仅受到GPS伪装的影响，因为实际因素造成了各种道路危险，如偏离道路或进入错误方向。在这项工作中，我们首次系统地探索了车道检测（LD）在对抗此类攻击方面的新用途。我们首先系统地分析了这种领域专用防御机会的潜力，然后设计了一种新颖的基于LD的防御方法$LD^3$，旨在实时有效地检测此类攻击，并在检测到时安全地将受害者停在车道上，考虑到无人驾驶情况下缺乏车载人类驾驶员的情况。 我们在真实世界的传感器轨迹上评估了$LD^3$，发现它可以以100％的真正阳性率和0％的假阳性率有效且及时地检测现有攻击。结果还表明$LD^3$对多样化的环境条件具有鲁棒性，并且能够有效地引导自动驾驶车辆安全地停在当前车道内。我们将$LD^3$实施到两个开源高级自动驾驶系统Baidu Apollo和Autoware上，并验证了它在模拟和实际驾驶中的防御能力。我们进一步进行自适应攻击评估，并发现$LD^3$能够有效地限制偏离隐蔽攻击目标的偏差，并且对最新的LD-side攻击具有鲁棒性。
作者：Junjie Shen, Yunpeng Luo, Ziwen Wan, Qi Alfred Chen
论文ID：2307.14540
分类：Cryptography and Security
分类简称：cs.CR
提交时间：2023-07-28