对抗防御

所有车辆都可能说谎：通过伪随机贝叶斯推理在全不可信车辆协同感知中实现高效对抗防御

All Vehicles Can Lie: Efficient Adversarial Defense in Fully Untrusted-Vehicle Collaborative Perception via Pseudo-Random Bayesian Inference

针对全不可信车辆协同感知场景，提出利用时序感知差异和伪随机分组进行贝叶斯推理的防御框架，仅需每帧两次验证即可估计恶意车辆数量与身份，为车路协同感知的对抗鲁棒性提供了可复用的验证调度与推理机制。