自動運転/セキュリティ2026/8/28arXiv:2608.28778v1

自動運転車に対する敵対的キャリブレーション攻撃

Adversarial Calibration Attack on Autonomous Vehicles

自動運転車のカメラとLiDARのオンラインキャリブレーションを標的とした初の物理攻撃手法を提案し、単一の敵対的ポスターで誤検知を誘発しつつキャリブレーションを誤らせることで、物体検出や走行制御に深刻な影響を与えることを示した。

詳しい要約

1. どんなもの？

本論文は、自動運転車（AV）のカメラ-LiDARオンラインキャリブレーションに対する新たな物理的攻撃であるAdversarial Calibration Attack (ACA)を提案している。ACAは、単一の敵対的ポスターを用いて、誤キャリブレーション検出器を欺いてキャリブレーションプロセスを起動させ、キャリブレーション推定器を誤った変換へ誘導する。これにより、センサ融合全体に誤差が伝播し、認識からプランニング、制御に至るまでシステム全体のエラーを引き起こす。

2. 先行研究と比べてどこがすごい？

既存のAV攻撃は正しいキャリブレーションを前提としているが、本論文はオンラインキャリブレーションを新たな攻撃面として特定し、初めて物理的な攻撃を提案した点が新しい。また、検出器の欺瞞と推定器の誤誘導を同時に達成するための統一的最適化を導入している点が先行研究と異なる。

3. 技術・手法の肝は？

ACAは、ポスターの幾何学とテクスチャを共同で最適化する統一的最適化フレームワークを用いる。まず、誤キャリブレーション検出器を欺いてキャリブレーションプロセスをトリガーし、次にキャリブレーション推定器を誤った変換へ誘導する。ポスターはカメラとLiDARの両方に認識されるように設計され、物理的な摂動として機能する。

4. どうやって有効だと検証した？

ベンチマークデータセット（KITTI、nuScenes）での評価では、ACAは平均回転キャリブレーション誤差を最大33.9度誘発し、物体検出を著しく劣化させた。CARLAシミュレータでは、攻撃者が作成した脆弱なシナリオで誤ったキャリブレーションが受け入れられると衝突を引き起こした。実機のHuskyロボットでは、印刷した敵対的ポスターがキャリブレーション誤差を再現することを確認した。

5. 議論はある？

要旨からは、攻撃の実用性や防御策に関する議論は不明である。ただし、オンラインキャリブレーションが安全上重要な攻撃面であることを示しており、今後の防御研究の必要性が示唆される。

6. 次に読むべき論文は？

要旨で参照されている研究は、既存のAV攻撃（正しいキャリブレーションを前提とするもの）や、オンラインキャリブレーションアルゴリズムに関する研究である。具体的には、KITTIやnuScenesデータセットを用いたキャリブレーション研究、CARLAシミュレータを用いたAV検証研究、物理的敵対的攻撃に関する研究（例：Adversarial Patch）が関連する。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Liangkai Liu, Qingzhao Zhang, Kang G. Shin

分類: cs.RO, cs.CV, cs.ET, cs.LG, eess.SY

原文アブストラクト

Autonomous vehicles (AVs) rely on accurate camera-LiDAR calibration for multimodal sensor fusion. In practice, calibration can drift due to vibration, temperature variation, or minor sensor displacement, motivating online calibration algorithms that detect and correct misalignment at runtime while allowing the vehicle to continue operating without a factory visit. Existing AV attacks largely assume correct calibration. We instead identify online sensor calibration as a new attack plane. A corrupted calibration update can persist across subsequent fusion operations, causing system-wide errors that propagate from perception to planning and control. We present Adversarial Calibration Attack (ACA), the first physical attack against camera-LiDAR online calibration. Using a single adversarial poster, ACA first spoofs the miscalibration detector to trigger the calibration process and then steers the calibration estimator toward an incorrect transformation. A unified optimization jointly designs the poster's geometry and texture for both objectives. We evaluate ACA across benchmark datasets, simulation, and physical experiments. On benchmark datasets such as KITTI and nuScenes, ACA induces up to 33.9 degrees mean rotational calibration error, thereby severely degrading object detection. In the CARLA simulator, the attack causes a collision when the corrupted calibration is accepted in vulnerable scenarios crafted by the attacker. On a real Husky robot, a printed adversarial poster successfully reproduces the calibration error. These results demonstrate that online calibration is a practical and safety-critical attack surface for AVs.

arXivで原文を読む →arXiv概要ページ