本文提出了一种针对基于视觉的自动驾驶系统的新型物理对抗攻击范式。现有物理攻击通常需要复杂的补丁或动态变化的图案，以在不同的视角下保持欺骗效果，而本文反其道而行之，将视角变化本身转化为攻击工具。攻击者只需在目标车辆上安装一个静态的、被动的对抗性伪装（即一种特制的车身涂装），其外观会随着相对运动而自然变化，从而在受害者车辆的感知系统中诱发持续的特征漂移。这种漂移导致系统推断出一个物理上合理但错误的轨迹（例如虚假的切入行为），进而传播到下游决策模块，触发不必要的紧急刹车。攻击无需主动干预或多视角鲁棒性优化，部署极为简便：一辆静止的伪装车辆即可使通过的自动驾驶车辆急刹车。在nuScenes数据集上的实验表明，该方法在硬刹车事件上的端到端成功率达87.5%，且对不同场景背景、受害者车速和感知模型均具有鲁棒性。