機器人與人工智能安全

胡勝山，華中科技大學網絡空間安全學院副研究員，博士生導師。從事人工智能安全、大數據隱私保護、生物信息安全等相關方向研究，重點關註具身智能機器人、自動駕駛等智能系統的安全與隱私問題，入選湖北省人才項目計劃。在IEEE S&P、USENIX Security、ACM CCS、NeurIPS、ICLR等國際會議和期刊上發表論文50余篇。受邀擔任IEEE TIFS、IEEE TDSC、IEEE TPDS等10多本期刊審稿人。參與國家自然科學基金聯合重點、國防某計劃、教育部裝備預研、香港創新及科技基金、香港協作研究基金等多個項目。

陳凱，華中科技大學網絡空間安全學院教授，湖北網絡空間安全學會理事、教育工作委員會主任，湖北省網安優秀教師，寶鋼優秀教師獎獲得者，中國計算機學會高校優秀教師。立足國家網安基地著力實戰人才培育，主持獲得湖北省省級教學成果獎一等獎和二等獎各1項，中國高校計算機教育大會教學案例大賽特等獎1項，教育部網絡空間安全產學協同育人優秀案例一等獎2項，全國虛擬仿真教學大賽二等獎，主編出版系列教材7本，專著1本，參與編制《網絡安全人才實戰能力白皮書》系列３本，主持建設國家級一流課程2門、省級一流課程2門，參與國家自然科學基金多項，指導學生在各類競賽中獲得國家級獎項20余項。

李升輝，高級工程師，華中科技大學網絡空間安全學院教學實驗中心主任。研究領域為機器人安全和網絡安全，獲得國防獎和省部級獎項5項，發明專利4項，主持建設國家級一流本科課程和教育部產學合作協同育人項目多項。帶領學生獲得機器人方向的國家級和省級競賽獎合計30多項，在產學研和實習實踐上同多家企業建立合作。

王浩宇，華中科技大學網絡空間安全學院教授，博士生導師，國家級青年人才，華中卓越學者。研究方向為新興軟件系統安全，獲北京市科技進步一等獎等省部級科技獎勵3項。

林雪綱，奇安信科技集團高校合作中心負責人，博士，高級工程師，中國計算機學會（CCF）傑出會員，湖北省產業教授，中國工程教育專業認證協會認證專家。研究領域為網絡安全、教育技術，先後發表10余篇學術論文，出版10余本著作，獲得3項省級教學成果獎特等獎。

陳輝，資深機器人專家，深圳乾海格致科技有限公司聯合創始人兼CTO。深耕機器人領域10余年，聚焦運動控制、協作機械臂、智能移動機器人等領域，曾主導輕型協作機械臂、模塊化關節、巡檢機器人等核心產品研發，並取得多項相關核心專利。

第一篇 ROS及其安全

第1章 ROS概述與環境搭建 3

1.1 引言 9

1.2 快速體驗 9

1.3 ROS快速體驗 10

1.3.1 Hello World（C++版） 10

1.3.2 Hello World（Python版） 11

第2章 ROS文件系統 13

2.1 引言 13

2.2 Catkin編譯系統 13

2.3 package 16

2.3.1 package的結構 16

2.3.2 package的創建 17

2.3.3 package的相關命令 17

2.4 CMakeLists.txt 18

2.4.1 CMakeLists.txt的作用 18

2.4.2 CMakeLists.txt的寫法 18

2.4.3 CMakeLists.txt的例子 19

2.5 package.xml 21

2.5.1 package.xml的作用 21

2.5.2 package.xml的寫法 21

2.5.3 package.xml的例子 22

2.6 Metapackage 24

2.6.1 Metapackage的介紹 24

2.6.2 Metapackage的寫法 25

2.7 其他常見文件類型 26

2.7.1 launch文件 26

2.7.2 msg/srv/action文件 26

2.7.3 urdf/xacro文件 26

2.7.4 yaml文件 27

2.7.5 dae/stl文件 27

2.7.6 RViz文件 27

第3章 ROS通信基礎 28

3.1 引言 28

3.2 node&master 28

3.2.1 node 28

3.2.2 啟動master和node 29

3.2.3 rosrun和rosnode命令 29

3.3 launch文件 30

3.3.1 簡介 30

3.3.2 寫法與格式 30

3.3.3 示例 31

3.4 通信服務 32

3.4.1 簡介 32

3.4.2 topic 32

3.4.3 通信示例 32

3.4.4 操作命令 33

3.4.5 測試實例 34

3.5 message 34

3.5.1 簡介 34

3.5.2 結構與類型 35

3.5.3 操作命令 35

3.5.4 常見的message 35

3.6 service 38

3.6.1 簡介 38

3.6.2 工作原理 38

3.6.3 topic和service 39

3.6.4 操作命令 39

第4章 機器人系統仿真 40

4.1 引言 40

4.2 概述 40

4.2.1 概念 41

4.2.2 作用 41

4.3 實驗與網絡環境配置 41

4.3.1 網絡配置 41

4.3.2 遠程控制 42

4.4 ROS小烏龜實驗 43

4.4.1 小烏龜操控實驗 43

4.4.2 可視化工具RViz 54

4.5 ROS SLAM導航 68

4.5.1 SLAM簡介 68

4.5.2 自動導航 69

4.5.3 導航實戰 71

第5章 ROS網絡安全 76

5.1 引言 76

5.2 基礎知識 76

5.2.1 計算機網絡體系 76

5.2.2 ARP 78

5.2.3 DoS攻擊 80

5.3 常用工具 81

5.3.1 arpspoof 81

5.3.2 scapy 82

5.3.3 dpkt 84

5.3.4 hping3 85

5.4 ARP攻擊 86

5.4.1 ARP欺騙 86

5.4.2 小車通信機制嗅探 88

5.4.3 中間人攻擊 94

5.5 DoS攻擊 100

5.5.1 掃描主機 100

5.5.2 SYN Flood攻擊 100

5.5.3 驗證攻擊結果 101

5.5.4 Smurf攻擊 102

5.5.5 DNS放大攻擊 105

第6章 ROS加密通信 107

6.1 引言 107

6.2 密碼學基礎知識 107

6.2.1 密碼技術基礎知識 107

6.2.2 對稱密碼學 108

6.2.3 非對稱密碼學 110

6.3 Crypto庫介紹 111

6.3.1 Crypto庫安裝 111

6.3.2 使用RSA加解密 111

6.3.3 使用AES加解密 114

6.3.4 使用RSA和AES混合加解密 115

6.4 RSA加密通信 117

6.4.1 通信原理 117

6.4.2 環境配置 118

6.4.3 小車端功能包 118

6.4.4 主機端功能包 128

6.4.5 測試 143

6.5 RSA-AES混合加密 145

6.5.1 通信原理 145

6.5.2 環境配置 146

6.5.3 小車端功能包 146

6.5.4 主機端功能包 156

6.5.5 測試 172

第二篇 自動駕駛環境感知安全

第7章 機器人實驗平臺與傳感器 177

7.1 機器人實驗平臺 177

7.1.1 硬件平臺 177

7.1.2 軟件環境配置 178

7.1.3 代碼配置演示 178

7.1.4 行人跟蹤Demo演示 179

7.2 自動駕駛環境感知 180

7.2.1 自動駕駛研究現狀 180

7.2.2 感知系統組成 181

7.3 攝像頭 183

7.3.1 概述 183

7.3.2 工作原理 183

7.3.3 攝像頭類型 184

7.3.4 優缺點 184

7.3.5 應用 185

7.4 激光雷達 186

7.4.1 概述 186

7.4.2 工作原理 186

7.4.3 優缺點 188

7.4.4 應用 188

7.5 毫米波雷達 190

7.5.1 概述 190

7.5.2 工作原理 190

7.5.3 優缺點 191

7.5.4 應用 192

7.6 傳感器安全威脅 193

第8章 深度學習與計算機視覺 194

8.1 人工智能與深度學習 194

8.1.1 人工智能的概念與發展 194

8.1.2 機器學習與表示學習 195

8.1.3 表示學習 196

8.1.4 深度學習 196

8.2 深度前饋神經網絡 198

8.2.1 線性模型 198

8.2.2 感知機 199

8.2.3 激活函數 200

8.2.4 參數學習 204

8.3 卷積神經網絡 207

8.3.1 卷積的基本概念 207

8.3.2 卷積神經網絡 210

8.3.3 常見卷積神經網絡 212

8.4 計算機視覺 217

8.4.1 計算機視覺的概念 217

8.4.2 深度學習在計算機視覺上的應用 218

8.4.3 具體應用實例 220

參考文獻 221

第9章 環境感知中的二維視覺對抗攻擊 224

9.1 對抗樣本的基本原理 224

9.1.1 對抗攻擊分類 224

9.1.2 對抗攻擊原理 225

9.2 對抗樣本攻擊技巧與思路 226

9.2.1 PGD 226

9.2.2 FGSM 228

9.2.3 CW 231

9.2.4 DeepFool 236

9.2.5 AdvGAN 239

9.3 目標檢測攻擊 242

9.3.1 目標檢測 243

9.3.2 目標檢測經典算法 247

9.3.3 目標檢測對抗攻擊方法 251

9.3.4 目標檢測對抗防禦方法 252

參考文獻 254

第10章 現實場景下的對抗攻擊 255

10.1 物理世界中的對抗攻擊——對抗補丁攻擊 255

10.1.1 物理世界攻擊的意義 256

10.1.2 對抗補丁攻擊 257

10.1.3 經典對抗補丁攻擊算法 258

10.1.4 經典對抗補丁防禦算法 264

10.2 通用對抗擾動 266

10.2.1 通用對抗擾動的概念 266

10.2.2 通用對抗擾動的形式化定義 266

10.2.3 通用對抗擾動的評價指標 267

10.2.4 生成通用對抗擾動的方法 268

10.3 對抗遷移性探究與增強 271

10.3.1 對抗遷移性的定義和意義 271

10.3.2 提升對抗遷移性的方法 273

10.3.3 從對抗樣本制作的角度提升對抗遷移性 273

10.3.4 從替代模型的角度提升對抗遷移性 288

參考文獻 296

第11章 環境感知中的三維點雲對抗攻擊 297

11.1 點雲概念及數據集 297

11.2 深度學習在點雲中的發展 298

11.2.1 點雲分類網絡 299

11.2.2 點雲目標檢測網絡介紹 304

11.3 點雲中的對抗攻擊算法 308

11.3.1 基於聯合梯度的攻擊算法 309

11.3.2 基於幾何感知的攻擊算法 310

11.3.3 可遷移對抗擾動的攻擊算法 312

11.3.4 基於頻域的對抗攻擊算法 314

11.3.5 基於黑盒的對抗攻擊算法 316

11.4 點雲中的後門 318

11.4.1 基於優化的後門攻擊 319

11.4.2 基於交互和旋轉的後門攻擊 322

11.4.3 不可見魯棒後門攻擊 323

參考文獻 325