基于车辆轨迹预测对抗性攻击与鲁棒性研究.pdfVIP

汽车工程

2024年（第46卷）第3期AutomotiveEngineering2024（Vol.46）No.3

doi：10.19562/j.chinasae.qcgc.2024.03.004

基于车辆轨迹预测对抗性攻击与鲁棒性研究*

桑海峰，赵梓杉，王金玉，陈旺兴

（沈阳工业大学信息科学与工程学院，沈阳110870）

［摘要］针对常规车辆轨迹预测数据集中较少包含极端交通场景信息的问题，本文提出一种新型对抗性攻击

框架来模拟此类场景。首先，为了判定不同场景中对抗性攻击是否有效提出了一种阈值判定的方式；然后，针对攻

击目的的不同分别设计了两种对抗性轨迹生成算法，在遵守物理约束和隐蔽性前提下，生成更具对抗性的轨迹样

本；此外，提出3个新的评价指标全面评估攻击效果；最后，探究了不同的防御策略来减轻对抗攻击影响。实验结果

显示，基于扰动阈值的快速攻击算法（attackalgorithmbasedonperturbationthresholdforfastattack，PTFA）和基于动态

学习率调整的攻击算法（attackalgorithmbasedondynamiclearningrateadjustment，DLRA）在NGSIM数据集上的攻击

时间和扰动效果均优于现有算法，更高效发现模型弱点。本研究通过模拟极端情况丰富了轨迹样本，深入评估了模

型鲁棒性，为后续优化奠定了基础。

关键词：车辆轨迹预测；对抗性攻击；智能驾驶车辆；鲁棒性

ResearchonAdversarialAttacksandRobustnessinVehicle

TrajectoryPrediction

SangHaifeng，ZhaoZishan，WangJinyuChenWangxing

SchoolofInformationScienceandEngineering，ShenyangUniversityofTechnology，Shenyang110870

［Abstract］Consideringthelackofextremetrafficscenariosinconventionalvehicletrajectorypredictionda‐

tasets，anoveladversarialattackframeworktosimulatesuchscenariosisproposedinthispaper.Firstly，athresh‐

olddeterminationmethodisproposedtojudgetheeffectivenessofadversarialattacksunderdifferentscenarios.

Then，twoadversarialtrajectorygenerationalgorithmsaredesignedfordifferentattackobjectives，whichgenerate

moreadversarialsamplesunderphysicalandconcealmentconstraints.Inaddition，threenewevaluationmetricsare

proposedtocomprehensivelyassessattackeffect.Finally，differentdefensestrategies