COMMIT: Certifying Robustness of Multi-Sensor Fusion Systems against Semantic Attacks

多传感器融合系统（MSFs）在现代自动驾驶汽车（AVs）中作为感知模块发挥着至关重要的作用。因此，确保它们对常见和现实的敌对语义转换（例如在物理世界中的旋转和移位）具有鲁棒性，对于AVs的安全至关重要。尽管经验证据表明，与单模型相比，MSFs表现出更好的鲁棒性，但它们仍然容易受到敌对语义转换的攻击。尽管提出了经验防御方法，但一些研究表明，这些防御方法可以被新的自适应攻击再次攻击。迄今为止，还没有为MSFs提出认证防御。在这项工作中，我们提出了第一个鲁棒性认证框架COMMIT，以认证多传感器融合系统对语义攻击的鲁棒性。特别是，我们提出了一种实用的各向异性噪声机制，利用多模态数据的随机平滑，并执行基于网格的分割方法来描述复杂的语义转换。我们还提出了有效的算法，以大规模MSF模型的目标检测精度和IoU计算认证。在实证方面，我们评估了COMMIT在不同设置下的有效性，并使用CARLA仿真平台为不同的MSF模型提供了全面的认证鲁棒性基准。我们展示了MSF模型的认证最多比单模型高48.39％，这验证了MSF模型的优势。我们相信我们的认证框架和基准将为实践中可认证的鲁棒AVs做出重要贡献。

论文旨在解决多传感器融合系统在现实世界中面临的旋转和移位等敌对语义变换的鲁棒性问题，提出了第一个针对多传感器融合系统的鲁棒性认证框架。

提出了一种实用的各向异性噪声机制，利用多模态数据进行随机平滑，并采用基于网格的分割方法来表征复杂的语义变换，提出了有效的算法来计算大规模多传感器融合模型的认证，从而提高模型的鲁棒性。

论文在CARLA仿真平台上对多传感器融合模型的认证进行了全面评估，并提供了全面的认证鲁棒性基准。研究表明，多传感器融合模型的认证比单模型的认证高出48.39％，证明了多传感器融合模型的优势。论文提出的认证框架和基准将为实际上具有认证鲁棒性的AVs做出重要贡献。

相关研究包括：1. 对抗攻击和防御；2. 多模态感知和融合；3. 认证鲁棒性。