查看“WikiEdge:ArXiv-2409.01234/background”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2409.01234/background|action=edit}} 编辑]</div>
这篇文献的背景主要集中在以下几个方面：
# '''[[自动驾驶车辆]]的[[安全性]]问题'''：
#* [[自动驾驶车辆]]依赖于大量的[[传感器]]，如[[摄像头]]、[[雷达]]、[[激光雷达]]和[[超声波传感器]]，这些[[传感器]]收集的数据对车辆的感知、决策和控制至关重要。
#* 这些[[传感器]]，尤其是[[摄像头]]，容易受到各种[[安全攻击]]，如[[对抗性样本攻击]]，这些攻击可能会误导车辆的感知系统，导致严重的[[安全问题]]。
# '''[[图像处理管道]]的复杂性与脆弱性'''：
#* [[摄像头]]捕获的[[图像]]通过一个复杂的多阶段[[处理管道]]进行处理，包括[[传感器层]]、[[数据准备层]]、[[应用层]]等，每个阶段都可能成为攻击的目标。
#* 尽管已有研究致力于提高[[图像处理管道]]的质量和鲁棒性，但这些研究往往忽视了[[安全研究]]，没有充分考虑两者之间的潜在协同效应。
# '''[[汽车安全标准]]的适用性与[[风险评估]]'''：
#* 为了全面评估[[自动驾驶车辆]][[图像处理管道]]的[[安全性]]，需要采用统一的[[威胁模型]]和[[风险标准]]，如[[ISO 21434]]汽车安全标准。
#* 通过系统化分析和分类[[安全相关研究]]，可以更准确地评估和比较[[安全威胁]]，为未来的研究和[[防御策略]]提供指导。
综上所述，这篇文献的背景强调了在[[自动驾驶车辆]]领域中对[[图像处理管道]][[安全性]]的深入研究的必要性，以及现有研究在[[安全]]和[[鲁棒性]]方面的不足。作者提出了一种结合[[安全性]]和[[鲁棒性]]研究的方法，旨在通过建立一个[[嵌入式测试平台]]，促进对不同[[防御策略]]和[[攻击影响]]的分析，提高[[自动驾驶车辆]][[图像处理管道]]的整体[[安全性]]和[[鲁棒性]]。