यह शोधपत्र फेडरेटेड लर्निंग (FL) पर आधारित स्वायत्त वाहनों के लिए सड़क स्थिति वर्गीकरण (RCC) प्रणालियों में लक्षित लेबल फ़्लिपिंग हमलों (TLFA) की भेद्यता पर विचार करता है। हम TLFA हमलों की गंभीरता की ओर इशारा करते हैं, जहाँ एक दुर्भावनापूर्ण वाहन प्रशिक्षित मॉडल के अनुमान प्रदर्शन को कम करने के लिए प्रशिक्षण डेटा के लेबल जानबूझकर बदल देता है, और ऐसे हमलों के सुरक्षा जोखिम को मात्रात्मक रूप से मापने के लिए एक नया मीट्रिक प्रस्तुत करता है। इसके अलावा, हम FLARE का प्रस्ताव करते हैं, जो एक रक्षा तंत्र है जो तंत्रिका नेटवर्क की आउटपुट परत में न्यूरॉन विश्लेषण का लाभ उठाकर TLFA के प्रभाव को कम करता है। विभिन्न प्रयोगों के माध्यम से, हम FL-RCC प्रणाली में TLFA की गंभीरता और FLARE की प्रभावशीलता को प्रदर्शित करते हैं।
