跳到正文
热点事件持续更新

提出 CP-Guard+ 范式及数据集用于协同感知恶意攻击防御

1 篇报道1 个报道来源5 小时前更新

先了解这件事

AI 综述

针对协作感知系统易受恶意攻击导致安全风险的问题,Senkang Hu 等人提出了一种无需验证最终结果即可在特征层面识别恶意代理的新范式。研究构建了 CP-GuardBench 数据集以支持相关方法的训练与评估,并开发了名为 CP-Guard+ 的防御方法。该方法利用双中心对比损失增强良性与恶意特征表示的间隔,旨在提升系统对恶意智能体的检测能力。实验已在 CP-GuardBench 和 V2X-Sim 平台上验证了该方案的有效性。

AI 根据报道生成 · 44 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月20日
  1. arXiv · 机器人与计算机视觉
    CP-Guard+:协作感知中恶意智能体检测与防御的新范式

    针对协作感知系统易受恶意攻击导致安全风险的问题,本文提出一种无需验证最终感知结果即可在特征层面识别恶意代理的新范式。在此基础上,构建了 CP-GuardBench 数据集以训练和评估相关方法,并开发了通过双中心对比损失增强良性与恶意特征表示间隔的防御方法 CP-Guard+。实验在 CP-GuardBench 和 V2X-Sim 上验证了该方法的有效性。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。