據外媒報道，杜克大學(Duke University)的研究人員展示了首個攻擊策略，可欺騙行業標準自動駕駛汽車傳感器，使其相信附近物體比實際距離更近(或更遠)而不被發現。研究表明，增加光學3D功能或與附近汽車共享數據非常必要，可保護自動駕駛汽車免受攻擊。

        研究人員稱開發自動駕駛最大挑戰之一是防止攻擊。確保安全的常見策略之一是相互檢查不同儀器的數據，以確保測量結果一致。

        目前，自動駕駛汽車公司最常用的定位技術結合了攝像頭的2D數據和LiDAR的3D數據。事實證明，這種組合對于試圖欺騙視覺系統錯誤地看待世界的各種攻擊非常有效，且截至目前仍然如此。

        杜克大學電氣和計算機工程的Dickinson Family副教授Miroslav Pajic表示：“我們的目標是了解現有系統的局限性，以便我們能夠抵御攻擊。這項研究表明，在 3D點云中，物體實際位置前或之后添加幾個數據點，可使這些系統混淆，從而做出危險決策。”

        最新攻擊策略通過向汽車的激光雷達傳感器發射激光槍可為其感知添加虛假數據點。如果這些數據點與汽車攝像頭所看到的完全不一樣，那么之前的研究表明該系統可以識別攻擊。但Pajic及其同事的新研究表明，將3D LIDAR數據點仔細放置在相機2D視野的某個區域內可以欺騙系統。

        該脆弱的區域在攝像頭鏡頭前以截錐體的形狀延伸，即一個尖端被切掉的3D金字塔。對于安裝在汽車上的前置攝像頭，這意味著位于附近另一輛汽車前面或后面的一些數據點可以改變系統對位置的感知，產生幾米誤差。

        根據Pajic的說法，在汽車或路邊物體上設置激光以欺騙高速公路上經過的個別車輛的風險不大。然而，在單一車輛可能成為非常高價值目標的軍事情況下，這種風險會大大增加。如果黑客能夠找到不需要物理激光，虛擬創建這些虛假數據點的方法，那么許多車輛可能會同時受到攻擊。

        Pajic說，防止這些攻擊方式會增加冗余。例如，如果汽車擁有具有重疊視野的“立體攝像頭”，汽車可以更好地估計距離，并注意到與其感知不匹配的激光雷達數據。

        Pajic的網絡物理系統實驗室(CPSL@Duke)的博士生和該研究的主要作者Spencer Hallyburton表示：“立體相機更有可能是一種可靠的一致性檢查，盡管還沒有軟件經過充分驗證來確定激光雷達/立體相機數據是否一致，或者發現不一致的應對措施。此外，要完美保護整輛車，需要在其整個車身周圍安裝多組立體攝像頭，以提供100%的覆蓋率。”

        Pajic建議可以開發系統，讓靠近車輛共享部分數據。物理攻擊不可能同時影響多輛汽車，而且由于不同品牌的汽車可能有不同的操作系統，網絡攻擊不可能一次打擊所有汽車。

        Pajic稱：“通過該領域的所有成功，我們將能夠構建可信賴的系統。雖然可能還需要十年，但我們相信未來一定可以。”

《電鰻快報》