論文の概要: Emerging Threats in Deep Learning-Based Autonomous Driving: A Comprehensive Survey

• arxiv url: http://arxiv.org/abs/2210.11237v1
• Date: Wed, 19 Oct 2022 10:04:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-21 14:16:35.865993
• Title: Emerging Threats in Deep Learning-Based Autonomous Driving: A Comprehensive Survey
• Title（参考訳）: ディープラーニングによる自律運転における新たな脅威: 包括的調査
• Authors: Hui Cao, Wenlong Zou, Yinkun Wang, Ting Song, Mengjun Liu
• Abstract要約: 自動運転の基礎として、ディープラーニング技術は多くの新しいセキュリティリスクに直面している。 学術コミュニティは、敵対的な事例やAIバックドアに対するディープラーニング対策を提案している。 本稿では,自動運転におけるディープラーニングセキュリティ技術の概念,開発,最近の研究について要約する。
• 参考スコア（独自算出の注目度）: 0.9163827313498957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Since the 2004 DARPA Grand Challenge, the autonomous driving technology has witnessed nearly two decades of rapid development. Particularly, in recent years, with the application of new sensors and deep learning technologies extending to the autonomous field, the development of autonomous driving technology has continued to make breakthroughs. Thus, many carmakers and high-tech giants dedicated to research and system development of autonomous driving. However, as the foundation of autonomous driving, the deep learning technology faces many new security risks. The academic community has proposed deep learning countermeasures against the adversarial examples and AI backdoor, and has introduced them into the autonomous driving field for verification. Deep learning security matters to autonomous driving system security, and then matters to personal safety, which is an issue that deserves attention and research.This paper provides an summary of the concepts, developments and recent research in deep learning security technologies in autonomous driving. Firstly, we briefly introduce the deep learning framework and pipeline in the autonomous driving system, which mainly include the deep learning technologies and algorithms commonly used in this field. Moreover, we focus on the potential security threats of the deep learning based autonomous driving system in each functional layer in turn. We reviews the development of deep learning attack technologies to autonomous driving, investigates the State-of-the-Art algorithms, and reveals the potential risks. At last, we provides an outlook on deep learning security in the autonomous driving field and proposes recommendations for building a safe and trustworthy autonomous driving system.
• Abstract（参考訳）: 2004年のDARPAグランドチャレンジ以来、自動運転技術は20年近く急速に発展してきた。 特に近年では、新しいセンサーやディープラーニング技術が自動運転分野に応用され、自動運転技術の開発が飛躍的に進んでいる。 そのため、多くの自動車メーカーやハイテク大企業が自動運転車の研究とシステム開発に力を入れている。 しかし、自動運転の基礎として、ディープラーニング技術は多くの新しいセキュリティリスクに直面している。 アカデミックコミュニティは、敵の例とaiバックドアに対するディープラーニング対策を提案し、それらを検証のために自動運転分野に導入した。 ディープラーニングセキュリティは、自律運転システムのセキュリティ、そして、注意と研究に値する問題である個人の安全に重要な問題であり、本論文は、自動運転におけるディープラーニングセキュリティ技術の概念、開発、および最近の研究の概要を提供する。 まず,この分野で広く使用されているディープラーニング技術とアルゴリズムを中心に,自動運転システムにおけるディープラーニングフレームワークとパイプラインについて簡単に紹介する。 さらに,各機能層におけるディープラーニングに基づく自律運転システムの潜在的なセキュリティ脅威にも注目する。 我々は、ディープラーニング攻撃技術の開発を自動運転に適用し、最先端アルゴリズムを調査し、潜在的なリスクを明らかにする。 最終的には、自動運転分野におけるディープラーニングのセキュリティに関する展望を提供し、安全で信頼できる自動運転システムを構築するための推奨事項を提案する。

関連論文リスト

• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• Towards Knowledge-driven Autonomous Driving [37.003908817857095]
  本稿では,新しい知識駆動型自動運転技術について考察する。 我々の調査は、現在の自動運転システムの限界を浮き彫りにしている。 認知、一般化、生涯学習の能力を備えた知識駆動型手法は、これらの課題を克服するための有望な方法として浮上する。
  論文  参考訳（メタデータ） (2023-12-07T14:17:17Z)
• LLM4Drive: A Survey of Large Language Models for Autonomous Driving [62.10344445241105]
  大規模言語モデル(LLM)は、文脈理解、論理的推論、回答生成などの能力を示した。 本稿では,自動走行のための大規模言語モデル (LLM4AD) に関する研究ラインを体系的にレビューする。
  論文  参考訳（メタデータ） (2023-11-02T07:23:33Z)
• Managing extreme AI risks amid rapid progress [171.05448842016125]
  我々は、大規模社会被害、悪意のある使用、自律型AIシステムに対する人間の制御の不可逆的な喪失を含むリスクについて説明する。 このようなリスクがどのように発生し、どのように管理するかについては、合意の欠如があります。 現在のガバナンスイニシアチブには、誤用や無謀を防ぎ、自律システムにほとんど対処するメカニズムや制度が欠けている。
  論文  参考訳（メタデータ） (2023-10-26T17:59:06Z)
• An Overview about Emerging Technologies of Autonomous Driving [12.686694414570457]
  2004年にDARPAがグランドチャレンジを始め、2007年にアーバンチャレンジを開始して以来、自動運転はAIアプリケーションの最も活発な分野となっている。 本稿では,自動運転技術とオープンな課題の技術的側面について概観する。 本稿では,認識,マッピングとローカライゼーション,予測,計画と制御,シミュレーション,V2X,安全性など,自動運転システムの主要な分野について検討する。
  論文  参考訳（メタデータ） (2023-06-23T05:36:17Z)
• Tackling Real-World Autonomous Driving using Deep Reinforcement Learning [63.3756530844707]
  本研究では,加速と操舵角度を予測するニューラルネットワークを学習するモデルレスディープ強化学習プランナを提案する。 実際の自動運転車にシステムをデプロイするために、我々は小さなニューラルネットワークで表されるモジュールも開発する。
  論文  参考訳（メタデータ） (2022-07-05T16:33:20Z)
• Indy Autonomous Challenge -- Autonomous Race Cars at the Handling Limits [81.22616193933021]
  TUM Auton-omous Motorsportsは2021年10月、インディ・オートマチック・チャレンジに参加する。 インディアナポリス・モーター・スピードウェイのダララAV-21レースカー10台のうち1台を走らせることで、自動運転のソフトウェアスタックをベンチマークする。 これは、最も困難で稀な状況をマスターできる自律走行アルゴリズムを開発するための理想的な試験場である。
  論文  参考訳（メタデータ） (2022-02-08T11:55:05Z)
• Towards Safe, Explainable, and Regulated Autonomous Driving [11.043966021881426]
  本稿では、自律制御、説明可能なAI(XAI)、規制コンプライアンスを統合するフレームワークを提案する。 フレームワークの目標を達成するのに役立つ、関連するXAIアプローチについて説明します。
  論文  参考訳（メタデータ） (2021-11-20T05:06:22Z)
• Autonomous Driving with Deep Learning: A Survey of State-of-Art Technologies [12.775642557933908]
  これはディープラーニング手法を用いた自動運転技術のサーベイである。 本稿では,認識,マッピングとローカライゼーション,予測,計画と制御,シミュレーション,V2X,安全性など,自動運転システムの主要な分野について検討する。
  論文  参考訳（メタデータ） (2020-06-10T22:21:57Z)
• Training Adversarial Agents to Exploit Weaknesses in Deep Control Policies [47.08581439933752]
  対戦型強化学習に基づく自動ブラックボックステストフレームワークを提案する。 提案手法は, オンラインテストにおいて明らかでないコントロールポリシの両方において, 弱点を見出すことができることを示す。
  論文  参考訳（メタデータ） (2020-02-27T13:14:53Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。