随着无人机技术的成熟与发展,无人机被广泛应用于军事和民用领域。然而,无人机也十分容易遭受恶意的攻击,导致严重的后果。无人机的视觉系统在避障、跟踪、定位等方面发挥着巨大的作用,是无人机安全的重要保障,但是很少有研究者对它的安全性进行研究。因此,本文从攻击者的角度对无人机视觉传感器的CMOS和检测模型设计了两种攻击方法,旨在研究无人机视觉系统的安全性。本文的具体工作如下:1)针对无人机视觉传感器的CMOS提出了一种致盲攻击方法。该方法采用激光作为攻击光源,在室内设置了不同的波长、光强、距离、角度和环境亮度以研究不同变量对无人机视觉传感器的影响。实验通过计算攻击前后图片的相似度来衡量攻击的效果,并对相似度结果进行了归一化分析,最终构建了攻击模型。为了验证攻击的有效性,本文还在室外环境下进行了攻击实验。结果表明该攻击方法具有可行性且能达到致盲的效果,导致避障、目标识别和跟踪等功能失效。2)针对无人机视觉传感器的识别模型提出了一种基于对抗样本的攻击方法。该方法以YOLOv2为目标模型,在汽车的某一区域生成一块“补丁”用于欺骗YOLOv2对汽车的检测。为了使生成的对抗样本能够在现实环境中同样有效,该方法在设计损失函数时考虑了图像的不可打印性,并且在每一次训练时都会随机改变“补丁”的明暗和对比度以增强“补丁”的鲁棒性。实验结果表明,该对抗样本不仅在数字环境下能实现个体攻击及普适性攻击,且对于其他模型具有一定的可迁移性,在现实环境下也能有效降低车辆被检测的概率。