يحظى نظام القيادة الآلية (ADS) باهتمام واسع في مجال التعلم الآلي. باستخدام الشبكات العصبية العميقة (DNN) ، فإن هذه الأنظمة ليست فقط تظهر أداءً مرضيًا عند مواجهة عدم التيقن البيئي الكبير ، ولكنها أيضًا قادرة على تصحيح أخطاء النظام بدون تدخل خارجي. ومع ذلك ، بسبب عرض شبكات العصب العميقة لهجمات النماذج العكسية ، أصبحت هشاشة نظام القيادة الآلية محورًا للبحث. استقصى هذا البحث بدقة الثغرات العرضية الفيزيائية الموجودة حاليا في أنظمة القيادة الآلية. أولاً ، بناءً على قيود النشر ، يتم تصنيف الهجمات وطرق الدفاع الفيزيائي إلى 3 فئات: العالم الحقيقي ، والعالم الافتراضي والعالم الرقمي. تم تحليل الهجمات العرضية لأنظمة القيادة الآلية عبر أجهزة الاستشعار المختلفة وتقسيمها إلى هجمات مبنية على الكاميرا وهجمات مبنية على ليزر الرادار (LiDAR) وهجمات مبنية على دمج العديد من الأجهزة الاستشعارية. تم تصنيف مهام الهجوم وفقًا لعناصر المرور. بالنسبة للدفاع الفيزيائي ، يتم بناء نظام دفاع شامل لنماذج الشبكات العصبية العميقة على معالجة الصور المسبقة والكشف العرضي وتعزيز النماذج. أخيرًا ، تمت مناقشة التحديات التي تواجه هذا المجال البحثي وتوجهات التطوير المستقبلية.

هجمات الأخطاء العرضية الفيزيائية ؛ الدفاع العرضي الفيزيائي ؛ سلامة الذكاء الصناعي ؛ التعلم العميق ؛ نظام القيادة الآلية ؛ الاندماج البيانات ؛ الهشاشة العرضية