반응형 연구실/논문3 [논문 리뷰] Physical 3D Adversarial Attacks against Monocular Depth Estimation in Autonomous Driving 본 논문은 2024 CVPR 에 게재된 논문이다.더보기목차AbstractIntroductionRelated WorkMonocular Depth EstimationPhysical Adversarial AttacksMethodologyProblem DefinitionGenerating Adversarial TextureExperimentsImplementation DetailsMain ResultsAblation StudyConclusion Abstract딥러닝 기반의 단안 깊이 추정(Monocular Depth Estimation, MDE)은 자율 주행에 광범위하게 적용되고 있으며, 적대적 공격에 취약한 것으로 알려져 있다. 기존의 MDE 모델에 대한 물리적 공격은 2D 적대적 패치에 의존하므로, MDE .. 2025. 5. 21. [논문 리뷰] Phantom of the ADAS: Securing Advanced Driver-Assistance Systems from Split-Second Phantom Attacks Abstract본 논문에서는 Tesla Model X (HW 2.5 & HW 3) 와 Mobileye 630 이 두 모델의 ADASs (advance driver-assistance systems) 사이의 "split-second phantom attacks" 이라는 scientific gap 에 대해서 연구한다. 아주 짧은 시간 (a few milliseconds) 동안 진짜 장애물/객체인 것처럼 보이는 깊이가 없는 물체를 다룬다. 원격에 있는 attacker 가 phantom road sign 을 광고로 embedding 해서 split-second phantom attack 을 할 수 있다. 이는 Tesla 의 autopilot 이 갑자기 차량을 road 한 가운데에 멈추도록 하고, Mobiley.. 2025. 3. 20. [논문 세미나] Adversarial Sensor Attack on LiDAR-based Perception in Autonomous Driving 아래는 논문의 전체적인 개요이다. AbstractCCS Concepts : 해당 연구가 다루는 주제와 분야를 명확하게 식별하고 분류하기 위함 1. Introduction2. BackgroundLiDAR-based Perception in AV SystemsLiDAR Sensor and Spoofing AttacksAversarial Machine Learning 3. Attack Goal and Threat Model 4. Limitation of Blind Sensor SpoofingBlind Lidar Spoofing Experiments 5. Improved Methodology : ADV-LiDARTechnical ChallengesAdv-LiDAR Methodology Overview6. Inp.. 2024. 8. 14. 이전 1 다음 반응형
