本文提出了一种针对自动驾驶汽车交通标志分类任务的物理对抗攻击方法。传统的物理对抗攻击通常通过在交通标志上粘贴贴纸或投射可见光扰动，虽然有效但容易被人类察觉。本文作者利用近红外光谱（NIR）和视觉暂留（Persistence of Vision, POV）原理，设计了一种动态、可远程触发的隐蔽攻击方案。攻击者通过近红外LED阵列在交通标志表面投射动态图案，这些图案在人类视觉中不可见，但能被自动驾驶汽车的摄像头捕获，从而误导分类模型。作者首先通过数字仿真确定最佳攻击位置，然后在真实场景中对两种交通标志、12种不同家族的机器学习模型（包括卷积神经网络等）进行测试，距离从近到远达20米，并考虑了不同光照条件。实验结果表明，该攻击在多数测试场景下具有很高的成功率。作为防御措施，作者提出了两种方案：一是物理层面的近红外截止滤镜，可以滤除近红外光；二是软件层面的检测机制，用于识别异常的光谱特征。此外，作者还设计了一个可见光版本的RGB原型来克服近红外显示的一些限制。这项研究揭示了交通标志分类系统中的新安全漏洞，为未来自动驾驶系统的安全设计提供了重要参考。适合自动驾驶安全研究员、对抗性机器学习研究者以及系统防御工程师阅读。