时空后门攻击

攻击成功率超98%

一种针对行为导向决策器的隐蔽攻击方法，以正常驾驶行为触发，不降低模型正常性能。

于银菠 · Liu, Jiajia · 郭鸿志 · 毛伯敏 · Kato, Nei

IEEE Journal on Selected Areas in Communications 2023

参数信息

攻击成功率

>98 %

干净性能方差率

<1 %

技术优势

正常行为触发

攻击者像普通驾驶员一样驾驶，无需异常状态即可激活后门。

抗现有防御

该攻击对现有先进防御手段具有持续性。

不影响正常性能

干净性能方差率低于 1%，几乎不影响模型正常任务表现。

应用场景

• 自动驾驶决策安全：用于评估自动驾驶决策模型对后门攻击的鲁棒性。
• 深度强化学习模型：测试深度强化学习模型在安全关键场景中的脆弱性。
• 无人机安全：为无人机自主决策系统的安全评估提供攻击手段。
• 机器人决策安全：验证机器人决策模型在面对行为时序攻击时的安全性。