论文
了解自动驾驶视觉语言模型中的对抗性可迁移性：跨架构分析
Understanding Adversarial Transferability in Vision-Language Models for Autonomous Driving: A Cross-Architecture Analysis
摘要
视觉语言模型 (VLM) 越来越多地用于自动驾驶，因为它们将视觉感知与基于语言的推理相结合，支持更可解释的决策，但它们对物理对抗攻击的鲁棒性，特别是此类攻击是否跨不同 VLM 架构转移，尚未得到很好的理解，并且当攻击者不知道车辆使用哪种模型时，会带来实际风险。我们通过对基于 VLM 的驾驶中的对抗性可转移性进行系统的跨架构研究来解决这一差距，使用在人行横道和高速公路场景中放置在路边基础设施上的物理可实现的补丁来评估三种代表性架构（Dolphins、OmniDrive 和 LeapVAD）。我们的传输矩阵评估显示出较高的跨架构有效性，传输率为 73-91%（人行横道的平均 TR = 0.815，高速公路的平均 TR = 0.833），即使补丁未针对目标模型进行优化，关键决策窗口的持续帧级操作也超过 64.7-79.4%。