TL;DR
- مشاهده PDF HTML (تجربی) چکیده:.
- سیستم های پلاک خوان خودکار (ALPR) به طور گسترده برای شناسایی و ردیابی وسایل نقلیه مستقر هستند.
- در حالی که کار قبلی آسیبپذیریهایی را در سیستمهای ALPR نشان داده است،.
چه اتفاقی افتاد
مشاهده PDF HTML (تجربی) چکیده:. سیستم های پلاک خوان خودکار (ALPR) به طور گسترده برای شناسایی و ردیابی وسایل نقلیه مستقر هستند.
در حالی که کار قبلی آسیبپذیریهایی را در سیستمهای ALPR نشان داده است،. توجه کمتری به قانونی بودن و عملی بودن آنها در جهان فیزیکی شده است.
ما بررسی میکنیم که آیا بازیگران تهدید با منابع کم میتوانند یک حمله خصمانه موفق علیه یک سیستم. منبع باز مدرن ALPR مهندسی کنند.
ما حاشیه فیزیکی خصمانه قانونی خیابانی (SPAR) را معرفی میکنیم،. یک حمله جعبه سفید قابل تحقق فیزیکی علیه سیستم محبوب ALPR fast-alpr.
SPAR در هنگام استقرار حمله نیازی به دسترسی به زیرساخت ALPR ندارد و پلاک مهاجم را تغییر نمی. دهد یا مبهم نمی کند.
بر اساس قوانین قبلی و رویه قضایی، ما استدلال می کنیم که SPAR در ایالت تگزاس قانونی است. در شرایط بهینه،.
SPAR دقت ALPR را تا 60٪ کاهش می دهد و به 18٪ هدف دست می یابد. نرخ جعل هویت SPAR را می توان با قیمت کمتر از 100 دلار تولید کرد و به طور.
کامل توسط دستیاران کدنویسی عامل تجاری پیاده سازی شد. این نتایج آسیبپذیریهای عملی را در سیستمهای مدرن ALPR تحت شرایط واقعی فیزیکی برجسته میکند و مسیرهای جدیدی.
را برای حمله و دفاع پیشنهاد میکند. نظرات:.
20 صفحه،. 8 شکل،.
5 جدول،. ارسال شده به Security in Machine Learning Applications 2026 موضوعات:.
بینایی کامپیوتری و تشخیص الگو (cs.CV)؛ رمزنگاری و امنیت (cs.CR) کلاسهای ACM:.
I.2.10; I.4.m استناد به عنوان:. arXiv:.
2604.02457 [cs.CV] (یا arXiv:. 2604.02457v1 [cs.CV] برای این نسخه) https:.
//doi.org/10.48550/arXiv.2604.02457 DOI صادر شده توسط arXiv از طریق DataCite (در انتظار ثبت نام) تاریخچه ارسال از:. Nikhil Kalidasu [مشاهده ایمیل] [v1] پنجشنبه،.
2 آوریل 2026،. 18:.
41:. 29 UTC (19,.
902 KB).
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.