تشهد مجالات الذكاء الاصطناعي تطوراً مذهلاً في السنوات الأخيرة، خاصة مع أداء الشبكات العصبية العميقة في المهام المتعلقة بالصور. ومن بين هذه التطورات حول شبكات تقدير الحركة (Optical Flow Estimation Networks - OFENs)، التي تلعب دوراً محورياً في العديد من التطبيقات الحياتية، بما في ذلك القيادة الذاتية وكشف الحركة.

تعتبر نتائج هذه الشبكات حيوية للعديد من المهام المستقبلية، مما يستلزم اختبار قدرتها على التحمل لضمان عدم وقوع حوادث سلامة. لذلك، قدم الباحثون أسلوباً جديداً لشن هجمات حقيقية في الوقت الحقيقي على شبكات OFENs، وذلك بالاعتماد على استخدام أضواء تحت الحمراء بسبب قدرتها على التسلل.

هذا الأسلوب القائم على توليد عدد كبير من الأمثلة العدائية مسبقاً ويرتبط بحساب هذه الأمثلة في الوقت الحقيقي، يسمح بشن هجمات دقيقة ومستهدفة دون الحاجة لتعديل النموذج المستهدف. وبخلاف تقنيات الهجوم السابقة التي كانت تعتمد على الانتقال من البيئة الرقمية إلى الفيزيائية، فإن هذه الطريقة تستهدف مباشرة النماذج الضحية في العالم الحقيقي، مما يُمكن من تجاوز القيود المرتبطة بعدم فعالية الأمثلة العدائية في بعض الأحيان.

أظهرت النتائج التجريبية فعالية هذا الأسلوب في التأثير على أمان الشبكات تحت ظروف إضاءة متنوعة وسرعات حركة مختلفة، مما يقلل من قدرة الشبكة على تقدير الحركة بدقة. مع هذه الابتكارات، يمكننا التساؤل: كيف يمكن تعزيز أرقام الأمان في أنظمتنا الذكية للأمام؟