TrackShield 提出一种运行时资源管理层以防御高实时多目标跟踪中的可用性攻击

该论文针对嵌入式 GPU 平台上的高性能相机感知流水线，提出了一种名为 TrackShield 的轻量级运行时资源管理层，旨在防御如 SlowTrack 这类通过膨胀多目标跟踪器持久状态来导致延迟超时的可用性攻击。实验显示，在 Jetson AGX Orin 平台上，该方案将受攻击时的跟踪阶段延迟从 139.90ms 降至 6.27ms，并将整个流水线的 P99 延迟从 190.9ms 降至 48.8ms，同时仅造成 1.06 点的 MOTA（多目标跟踪准确度）损失。

TrackShield 的核心机制结合了低开销异常监控、分阶段出生限制、剪枝年轻或弱匹配轨迹以及每阶段关联输入准入控制。其关键创新在于硬准入守卫（hard admission guard），它为 admitted 关联工作负载提供了确定性边界，这一边界独立于启发式监控器，从而确保即使面对攻击也能维持跟踪器的响应性。与仅在检测器或 NMS 层进行防御不同，该方案直接控制了攻击诱导工作负载在跟踪器侧的累积点。

事实层面，该研究明确区分了“保持响应性”与“恢复完整精度”的目标，承认在对抗性检测下无法完全恢复被降解的跟踪精度。推断层面，这种确定性边界设计表明未来端侧实时系统的安全防护需从单纯的性能优化转向对计算资源流的显式管控。猜测层面，若此类攻击在自动驾驶或机器人领域普及，现有的基于启发式的监控策略可能因缺乏确定性保证而失效，迫使行业重新评估嵌入式 AI 系统的容错架构。