Padrões repetitivos simples enganam câmeras estéreo e podem forçar frenagem de emergência em carros autônomos
Pesquisadores demonstram que câmeras estéreo e modelos de deep learning para estimativa de profundidade -- usados em carros autônomos, drones e robôs -- podem ter a distância de obstáculos manipulada em até 20 metros usando padrões visuais repetitivos simples, sem qualquer técnica sofisticada de machine learning adversarial. Um ataque de meio segundo já foi suficiente para disparar frenagem de emergência em um framework real de direção autônoma, e as defesas existentes se mostraram ineficazes.
Fonte ↗