典型文献
针对深度强化学习导航的物理对抗攻击方法
文献摘要：
针对基于深度强化学习(deep reinforcement learning,DRL)的激光导航系统的安全性进行研究,首次提出了对抗地图的概念,并在此基础上提出了一种物理对抗攻击方法.该方法使用对抗样本生成算法计算激光测距传感器上的对抗扰动,然后修改原始地图实现这些扰动,得到对抗地图.对抗地图可以在某个特定区域诱导智能体偏离最优路径,最终使机器人导航失败.在物理仿真实验中,对比了智能体在多个原始地图和对抗地图的导航结果,证明了对抗地图攻击方法的有效性,指出了目前DRL技术应用在导航系统上存在的安全隐患.
文献关键词：
深度强化学习;自主导航;对抗攻击;对抗样本;深度学习
中图分类号：
作者姓名：
桓琦;谢小权;郭敏;曾颖明
作者机构：
中国航天科工集团第二研究院706所 北京100854
文献出处：
引用格式：
[1]桓琦;谢小权;郭敏;曾颖明-.针对深度强化学习导航的物理对抗攻击方法)[J].信息安全研究,2022(03):212-222
A类：
物理对抗攻击,激光导航系统
B类：
深度强化学习,学习导航,攻击方法,deep,reinforcement,learning,DRL,对抗样本生成,生成算法,算法计算,激光测距传感器,对抗扰动,某个,特定区域,智能体,最优路径,终使,机器人导航,物理仿真,自主导航
AB值：
0.264727
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
