一种针对自动驾驶决策模型的双层对抗性攻击方法

本发明公开了一种针对自动驾驶决策模型的双层对抗性攻击方法，包括以下步骤：建立混合交通自动驾驶场景；设计人为驾驶车辆模型；设计自动驾驶车辆智能体；通过强化学习训练自动驾驶汽车决策模型；设计攻击模型上层智能体；设计攻击模型下层梯度计算损失函数；训练攻击模型。本发明在上层采用改进后的Dueling DQN算法得到最优的自动驾驶汽车动作扰动方向，在下层通过动量投影梯度下降生成具体的状态干扰，攻击模型是通过与训练好的自动驾驶汽车交互训练得到的。与传统技术相比，本发明在保证攻击效果最优化的同时，大幅提高了攻击效率，为自动驾驶系统的安全性测试提供了一种全新的高效方法。