本文针对高级别自动驾驶系统中基于多传感器融合（MSF）的定位功能的安全性进行了研究。自动驾驶车辆（AV）需要厘米级定位精度以实现高级驾驶自动化，而全球定位系统（GPS）是室外定位的主要来源。GPS欺骗攻击是一个长期存在且未完全解决的安全问题，但当前主流自动驾驶系统普遍采用多传感器融合算法，理论上能够有效抵御GPS欺骗。然而，尚无前人工作研究在自动驾驶场景下，现有MSF算法在GPS欺骗攻击下是否真正安全。本文首次填补了这一空白，重点关注如何通过GPS欺骗导致MSF输出产生较大的横向偏差（即向左或向右偏离），从而可能使AV驶离道路或驶入错误车道。研究提出了攻击方法和评估框架，旨在揭示MSF算法在GPS欺骗下的脆弱性。实验结果表明，在特定条件下，攻击可以成功诱导定位结果产生显著偏差。工作对于自动驾驶安全领域具有重要意义，提示工程师需重新评估MSF算法在对抗环境下的鲁棒性。

本文针对多传感器融合感知系统中故障根因分析困难的问题，提出了一种基于干预的方法（Interventional Root Cause Analysis, IRCA）。传统故障根因分析通常基于观测数据，难以区分相关性与因果关系。作者借鉴因果推断中的干预思想，通过主动改变系统输入或模块参数来观察输出变化，从而识别导致故障的真正原因。具体而言，论文设计了一个干预框架，该框架能够系统性地扰动传感器输入或中间融合模块，并利用因果图模型量化各组件对最终感知故障的贡献程度。在自动驾驶领域的多传感器（如激光雷达、摄像头）融合数据集上进行了实验，结果表明所提方法相比现有基于关联或反向传播的根因分析方法，定位准确率提升了15%以上，且能够有效处理传感器失准、时序不同步等实际常见故障类型。该方法不仅适用于自动驾驶感知系统，还可推广至机器人、物联网等依赖多源数据融合的复杂系统。