LiDAttack: A Robust Black-Box Attack on LiDAR-Based Object Detection
原文英文，约100词，阅读约需1分钟。发表于：。本文针对LiDAR传感器中深度神经网络易受对抗样本攻击的问题，提出了一种名为LiDAttack的强健黑箱攻击方法。该方法利用遗传算法和模拟退火策略，限制干扰点的位置和数量，并能够适应现实场景中的动态变化。实验结果表明，LiDAttack在多种目标检测模型上的攻击成功率高达90%，展现出其有效性和隐蔽性。
本文提出了一种名为LiDAttack的黑箱攻击方法，针对LiDAR传感器中的深度神经网络进行对抗样本攻击。该方法结合遗传算法和模拟退火策略，限制干扰点的位置和数量，适应动态变化。实验结果表明，LiDAttack在目标检测模型上的攻击成功率高达90%。
