AdvCP

AdvCP изменяет инференс кооперативного восприятия во время симуляции CAVISE. Механизм включается через CLI OpenCDA и YAML-файл атаки. Отдельный исследовательский репозиторий AdvCollaborativePerception использует собственный процесс оценки наборов данных. Для этого интегрированного примера он не требуется.

Предварительные требования

Выполните Кооперативное восприятие. Оставьте CARLA 0.9.16 запущенной и убедитесь, что доступна Town06, используйте контейнер opencda-coperception и задайте CARLA_HOST внутри его оболочки, как показано в Подключение из OpenCDA.

В этом примере используются совместно:

сценарий advcp-scenarios/advcp_check (содержит атакующего cav-5).
модель pointpillar-late-opv2v-30 (позднее слияние).
конфигурация атаки removal_forward (режим удаления).
пакет ресурсов времени выполнения base-car.

Имя сценария включает его каталог внутри config_yaml. Не подставляйте 3cars_advcp_removal_check без соответствующей адаптации конфигурации атаки: этот сценарий не содержит cav-5.

Базовый запуск

В оболочке контейнера OpenCDA сначала запустите тот же сценарий и модель без AdvCP:

python opencda.py -t advcp-scenarios/advcp_check \
  --carla-host "$CARLA_HOST" --with-coperception \
  --model-id pointpillar-late-opv2v-30 \
  --ticks 200 --save-vis --save-npy

Запуск с включённым удалением

После завершения базового запуска выполните:

python opencda.py -t advcp-scenarios/advcp_check \
  --carla-host "$CARLA_HOST" --with-coperception \
  --model-id pointpillar-late-opv2v-30 \
  --with-advcp --advcp-config removal_forward \
  --advcp-assets-id base-car \
  --ticks 200 --save-vis --save-npy

Для --with-advcp необходимы как --with-coperception, так и --advcp-config. OpenCDA разрешает модель и ресурсы AdvCP до запуска симуляции. Подготовка пакетов для автономного запуска описана в Модели и ресурсы времени выполнения.

Проверка активации и сравнение результатов

Найдите в журнале строки AdvCP mode: removal и AdvCP attackers: cav-5. Они подтверждают конфигурацию и проверку атакующего, но не успешность атаки. Если в сценарии нет ни одного настроенного атакующего, при инициализации возникает ошибка. Атакующий также может отсутствовать в отдельном пакете входных данных модели.

Сравните сохранённые прогнозы, визуализации и метрики оценки базового запуска и запуска с атакой в каталоге simulation_output. См. Запись и результаты. В примере сценария для метрики настроен прогрев длительностью пять шагов. Успех атаки не гарантирован на каждом кадре: результат зависит от видимости, выбранной модели, режима слияния и геометрии атаки.

Настройка эксперимента

Именованные конфигурации разрешаются в каталоге opencda/scenario_testing/config_yaml/advcp-configs/. Суффикс .yaml необязателен. Абсолютный путь выбирает пользовательский файл. Относительные имена разрешаются относительно этого каталога, а не рабочего каталога оболочки.

Поле	Назначение
`mode`	`removal` подавляет обнаружение целей. `spoofing` добавляет ложные цели. Реализация зависит от режима слияния модели.
`attacker_ids`	Существующие идентификаторы агентов сценария, например `cav-5` или `rsu-1`. Используйте идентификаторы времени выполнения, а не отображаемые имена или числовые YAML-идентификаторы без префикса.
`boxes` / `default_size`	Геометрия цели: каждый параллелепипед использует позу `[x, y, z, roll, yaw, pitch]` типа `absolute` (мировая) или `relative` (относительно ego-агента). Расстояния указываются в метрах, углы - в градусах. Размер задаётся как `[length, width, height]`. Значение `size` отдельного параллелепипеда переопределяет `default_size`.
`advshape`	Включает вариант на основе формы там, где он поддерживается. Могут потребоваться дополнительные предварительно обученные файлы форм. Для первого примера оставьте значение false.
`density` / `dense_distance`	Настройки выборки точек, используемые применимыми путями атаки на LiDAR.
`step` / `lr` / `max_perturb` / `feature_size`	Параметры оптимизации, используемые применимыми путями промежуточного слияния.
`sync` / `init` / `online`	Временные параметры и параметры инициализации применимых путей атаки.

Режим слияния определяется конфигурацией модели, а не отдельным параметром CLI AdvCP. Параметры, используемые в одном режиме слияния, могут игнорироваться в другом. Не полагайтесь на то, что изменение каждого YAML-поля повлияет на позднее слияние.

Чтобы проверить спуфинг в том же сценарии с семью агентами, замените --advcp-config removal_forward на --advcp-config spoofing_forward. Для другой модели сначала выберите требуемую цель образа и создайте новый базовый результат. Также необходимо проверить поддержку модели с промежуточным слиянием в реализации. Поддерживаются не все модели OpenCOOD.

Атаки на сервисы поведения, заданные списком attacks сценария, используют Фреймворк атак. Эта конфигурация не связана с AdvCP.