讓無人車發生故障的方法各種各樣，有的靠人工攻擊，有的靠算法攻擊。

最近，Waymo的車禍層出不窮，總有一些司機故意撞Waymo測試車，在Waymo車前方突然減速，Waymo根本來不及剎車，導致車禍。

首先和大家澄清一下，惡意調戲無人車是要負法律責任的。在Waymo的多起車禍中，肇事者的意圖十分明顯，何況當時的Waymo還是在人工駕駛狀態，肇事方毫無疑問需要負全責。而且別忘了，無人車都配有各種傳感器，肇事車的信息會被記錄下來。下圖是一次車禍前Waymo記錄下的肇事車輛。這輛車在空蕩蕩的路上突然剎車，導致車禍。

沒有了人類司機，無人車將來會面臨很多挑戰，來自其他人類司機的刁難就是其中之一。這些車禍的刁難方式都比較簡單粗暴，當然，也有一些比較“高級”的，比如利用深度學習的弊端，混淆無人車的識別系統。

友情提示：本文涉及內容純屬為了學術交流，請勿在實際場景中效仿，特別是在有無人車運營的路段 。

這種利用深度學習弊端破壞識別系統的方法可以統稱為對抗攻擊（adversarial attacks），即針對識別對象做出特殊改動，人的肉眼看不出來任何異樣，但是會導致識別模型失靈。我們來看幾個例子。

下圖是兩個stop sign，無人車看到stop sign就必須停下來。但是，下面兩個stop sign經過特殊處理后，會被誤識別為speed limit sign，即限速標志。

下圖是行人識別，右邊的行人穿上了混淆識別系統的T恤，完全沒有被識別出來。不知你是否有興趣買一件這樣的T恤？

你可能會認為，這都沒有關系，因為無人車有激光雷達，就算攝像頭無法識別，也一樣可以靠激光雷達探測障礙物。我們再來看一組針對激光雷達的對抗攻擊。

我們把下面兩個物體分別放在馬路上，供無人車的激光雷達識別。左側白色障礙物的表面經過特殊處理。

結果顯示，左側白色的障礙物根本無法被識別。激光雷達明明可以看到障礙物，卻無法被識別。由于障礙物表面凹凸不平的形狀，該物體成功在點云中“隱身”了。

普通的箱子可以被輕松識別。

對抗攻擊不只可以用于擾亂視覺識別系統，也可以用于擾亂語音識別系統。我們來聽下面兩條語音。

兩條語音聽上去說的都是“without the dataset the article is useless”，沒有任何差別，而第一條語音的識別結果其實是“okay google browse to evil dot com”，意思完全不同了。

對抗攻擊的方式多種多樣，我們必須盡快找到相應的防御措施（defense），才能保護無人駕駛系統安全。