【技术实现步骤摘要】
本专利技术属于自动驾驶领域及机器视觉目标追踪领域，涉及一种自动驾驶条件下针对目标追踪器的适应性元攻击系统及方法。
技术介绍
1、在数字化时代的智能驾驶
，智能驾驶系统面临着对抗性攻击的挑战。这些攻击可能导致自动驾驶系统做出错误的决策，增加交通事故的风险。其中，视觉目标追踪技术是智能驾驶系统中的关键组成部分，能够识别和追踪道路上的各种物体。然而，对抗性攻击技术可以干扰这些追踪系统，导致错误的目标追踪或追踪失败，从而影响智能车辆的安全性和稳定性。针对这一挑战，研究人员提出了对抗性攻击算法，旨在深入理解并提高对抗样本的攻击效力和泛化性。目前的研究主要集中在白盒攻击、黑盒攻击和半白盒攻击等方法上。其中，半白盒攻击被认为是一种有效的方法，因为它在具有限模型信息的情况下设计攻击策略，具有良好的适应性和平衡性。目标追踪算法主要依赖于深度学习技术，如今大模型时代到来，transformer结构的广泛应用，自动驾驶必然将以transformer模型为主导，视觉目标追踪也由siamese网络转变到如今大多都是基于transformer框架，然而，不同...
【技术保护点】
1.一种自动驾驶条件下针对目标追踪器的适应性元攻击系统，其特征在于所述系统包括初始化模块，元训练迭代模块，元测试模块，扰动生成器，推理模块；
2.一种自动驾驶条件下针对目标追踪器的适应性元攻击方法，其特征在于利用权利要求1所述的系统，包括如下步骤：
3.根据权利要求2所述一种自动驾驶条件下针对目标追踪器的适应性元攻击方法，其特征在于所述步骤(2-3)中训练与验证模型的划分的具体步骤如下：
4.根据权利要求2所述一种自动驾驶条件下针对目标追踪器的适应性元攻击方法，其特征在于所述步骤(2-4)中的元训练执行的具体算法如下：
...
【技术特征摘要】
1.一种自动驾驶条件下针对目标追踪器的适应性元攻击系统，其特征在于所述系统包括初始化模块，元训练迭代模块，元测试模块，扰动生成器，推理模块；
2.一种自动驾驶条件下针对目标追踪器的适应性元攻击方法，其特征在于利用权利要求1所述的系统，包括如下步骤：
3.根据权利要求2所述一种自动驾驶条件下针对目标追踪器的适应性元攻击方法，其特征在于所述步骤(2-3)中训练与验证模型的划分的具体步骤如下：
4.根据权利要求2所述一种自动驾驶条件下针对目标追踪器的适应性元攻击方法，其特征在于所述步骤(2-4)中的元训练执行的具体算法如下：
5.根据权利要求2所述一种自动驾驶条件下针对目标追踪器的适应性元攻击方法，其特征在于所述步骤(2-4...
【专利技术属性】
技术研发人员：陈媛芳，马思航，方兴，陈潇涵，熊杰，何霞军，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。