스테레오 카메라의 픽셀 샘플링과 캘리브레이션 과정에서 비롯된 근본적 취약점을 이용하면, 정교한 적대적 머신러닝 기법 없이도 단순한 반복 패턴만으로 깊이 추정 결과를 세밀하게 조작할 수 있음이 밝혀졌다. 연구진은 BM·SGBM 등 전통 알고리즘, PSMNet·MoCha-Stereo·UniMatch 등 딥러닝 모델, 스테레오-LiDAR 융합 모델(SGM-DDC), 그리고 ZED2·Intel RealSense D435 등 상용 카메라까지 폭넓게 검증했다. ZED2 카메라의 경우 장애물을 최대 20미터 멀리 또는 12미터 가깝게 왜곡시킬 수 있었고, 0.5초의 짧은 공격만으로 자율주행 프레임워크의 긴급 제동을 유발했으며 CARLA 시뮬레이션에서는 시속 40km 주행 상황에서도 공격이 가능했다. 기존 방어 기법이 무력함을 확인하고 유사도 점수 기반의 새로운 탐지·억제 전략을 제안한 만큼, 자율주행차·드론·로봇의 안전성 확보에 직접적인 함의를 갖는다.

• •단순 반복 패턴만으로 스테레오 카메라와 딥러닝 깊이 추정 모델을 모두 속일 수 있는 취약점 발견
• •ZED2 카메라에서 장애물을 최대 20m 멀리 또는 12m 가깝게 이동시키는 정밀 조작 가능
• •0.5초 공격으로 자율주행 프레임워크의 긴급 제동을 유발, 시속 40km 주행에서도 CARLA로 재현
• •기존 방어책의 무력함을 확인하고 유사도 점수 기반 새 탐지·억제 기법을 제안