論文の概要: Prediction-Based GNSS Spoofing Attack Detection for Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2010.11722v1
• Date: Fri, 16 Oct 2020 18:26:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-06 22:23:47.801178
• Title: Prediction-Based GNSS Spoofing Attack Detection for Autonomous Vehicles
• Title（参考訳）: 予測に基づく自律走行車両のGNSSスポーフィング検出
• Authors: Sagar Dasgupta, Mizanur Rahman, Mhafuzul Islam, Mashrur Chowdhury
• Abstract要約: 我々は,長期記憶(LSTM)モデルを用いた予測に基づくスプーフィング攻撃検出戦略を開発した。 現在の位置と直近の場所との間を走行する予測距離に基づいてしきい値を確立する。 分析の結果,予測に基づくスプーフ攻撃検出戦略により,リアルタイムで攻撃を検知できることが判明した。
• 参考スコア（独自算出の注目度）: 5.579370215490055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Global Navigation Satellite System (GNSS) provides Positioning, Navigation, and Timing (PNT) services for autonomous vehicles (AVs) using satellites and radio communications. Due to the lack of encryption, open-access of the coarse acquisition (C/A) codes, and low strength of the signal, GNSS is vulnerable to spoofing attacks compromising the navigational capability of the AV. A spoofed attack is difficult to detect as a spoofer (attacker who performs spoofing attack) can mimic the GNSS signal and transmit inaccurate location coordinates to an AV. In this study, we have developed a prediction-based spoofing attack detection strategy using the long short-term memory (LSTM) model, a recurrent neural network model. The LSTM model is used to predict the distance traveled between two consecutive locations of an autonomous vehicle. In order to develop the LSTM prediction model, we have used a publicly available real-world comma2k19 driving dataset. The training dataset contains different features (i.e., acceleration, steering wheel angle, speed, and distance traveled between two consecutive locations) extracted from the controlled area network (CAN), GNSS, and inertial measurement unit (IMU) sensors of AVs. Based on the predicted distance traveled between the current location and the immediate future location of an autonomous vehicle, a threshold value is established using the positioning error of the GNSS device and prediction error (i.e., maximum absolute error) related to distance traveled between the current location and the immediate future location. Our analysis revealed that the prediction-based spoofed attack detection strategy can successfully detect the attack in real-time.
• Abstract（参考訳）: グローバル・ナビゲーション・サテライト・システム(GNSS)は、衛星と無線通信を利用した自律走行車(AV)の測位、ナビゲーション、タイミング(PNT)サービスを提供する。 暗号の欠如、粗い取得符号(C/A)のオープンアクセス、信号の強度の低さにより、GNSSはAVの航法能力を損なう攻撃に対して脆弱である。 スプーファー(スプーフ攻撃を行う攻撃者)がGNSS信号を模倣し、不正確な位置座標をAVに送信できるため、スプーフ攻撃を検出するのは難しい。 本研究では,Long Short-term memory(LSTM)モデル,リカレントニューラルネットワークモデルを用いて,予測に基づくスプーフィング攻撃検出戦略を開発した。 LSTMモデルは、自動運転車の2つの連続した位置間を走行する距離を予測するために使用される。 LSTM予測モデルを開発するために、我々は利用可能な実世界のコマ2k19駆動データセットを使用した。 訓練データセットは、avsの制御エリアネットワーク(can)、gss、慣性測定ユニット(imu)センサから抽出された異なる特徴(加速度、操舵ホイール角、速度および2つの連続した位置間の距離)を含む。 GNSS装置の位置誤差と、現在位置と近未来の位置との間を走行した距離に関する予測誤差(最大絶対誤差)とを用いて、現在位置と近未来位置との間を走行した予測距離とに基づいてしきい値を確立する。 解析の結果,予測に基づくspoofed攻撃検出戦略がリアルタイムに攻撃を検知できることが判明した。

関連論文リスト

• GPS-IDS: An Anomaly-based GPS Spoofing Attack Detection Framework for Autonomous Vehicles [0.8906214436849204]
  GPSネットワークは、偽造や妨害といったサイバー攻撃に弱い。 これらの脅威は、AVの広範な展開によって強化されることが期待されている。 本稿では,AVに対するGPSスプーフィング攻撃を検出するGPS侵入検知システムを提案する。
  論文  参考訳（メタデータ） (2024-05-14T06:55:16Z)
• Unveiling the Stealthy Threat: Analyzing Slow Drift GPS Spoofing Attacks for Autonomous Vehicles in Urban Environments and Enabling the Resilience [4.898754501085215]
  この研究は、ステルスなスロードリフトGPSスプーフ攻撃を探索し、被害者のAV受信パターンを再現した。 この攻撃は、正しい経路から徐々に逸脱するように設計されており、リアルタイム検出を困難にしている。 擬似範囲を変更するとAVは混乱し、操作に不注意なまま不適切な目的地に導かれる。
  論文  参考訳（メタデータ） (2024-01-02T17:36:07Z)
• Experimental Validation of Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles [5.624009710240032]
  本稿では,自動走行車に対するセンサフュージョンを用いたスプーフィング攻撃検出フレームワークを提案する。 アラバマ州タスカルーサで実験が行われ、都市部の道路構造を模倣している。 結果は、遅いドリフト攻撃を含む様々な高度なスプーフ攻撃を検出できるフレームワークの能力を実証している。
  論文  参考訳（メタデータ） (2024-01-02T17:30:46Z)
• Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems [61.39400591328625]
  接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。 この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。 そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。 RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
  論文  参考訳（メタデータ） (2022-10-31T20:12:17Z)
• NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for Autonomous Driving [57.03126447713602]
  本稿では,自動車のRADARセンサを用いて動的障害物や乾燥可能な自由空間を検出するディープニューラルネットワーク(DNN)を提案する。 ネットワークは組み込みGPU上でリアルタイムよりも高速に動作し、地理的領域にわたって優れた一般化を示す。
  論文  参考訳（メタデータ） (2022-09-29T01:30:34Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• A Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles [4.947150829838588]
  本稿では,センサフュージョンをベースとしたGNSS(Global Navigation Satellite System)スプーフィング攻撃検出フレームワークを提案する。 複数の低コストの車載センサーからのデータを融合し、リカレントニューラルネットワークモデルに入力する。 我々は,k-Nearest Neighbors (k-NN) と Dynamic Time Warping (DTW) のアルゴリズムを組み合わせて,左旋回と右旋回を検出・分類した。
  論文  参考訳（メタデータ） (2021-08-19T11:59:51Z)
• Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles [4.947150829838588]
  自律走行車のための3つの同時戦略からなる,センサフュージョンに基づく攻撃検出フレームワークを提案する。 複数の低コストの車載センサーからのデータを融合し、リカレントニューラルネットワークモデルに入力する。 我々はk-Nearest Neighbors (k-NN) と Dynamic Time Warping (DTW) のアルゴリズムを組み合わせて、操舵角センサからのデータを用いて回転を検出する。 解析の結果,センサフュージョンに基づく検出フレームワークは,必要な計算遅延閾値内で,3種類のスプーフィング攻撃をすべて検出できることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T23:02:55Z)
• DAAIN: Detection of Anomalous and Adversarial Input using Normalizing Flows [52.31831255787147]
  我々は、アウト・オブ・ディストリビューション(OOD)インプットと敵攻撃(AA)を検出する新しい手法であるDAINを導入する。 本手法は,ニューラルネットワークの内部動作を監視し,活性化分布の密度推定器を学習する。 当社のモデルは,特別なアクセラレータを必要とせずに,効率的な計算とデプロイが可能な単一のGPUでトレーニングすることが可能です。
  論文  参考訳（メタデータ） (2021-05-30T22:07:13Z)
• Probing Model Signal-Awareness via Prediction-Preserving Input Minimization [67.62847721118142]
  モデルが正しい脆弱性信号を捕捉して予測する能力を評価する。 SAR(Signal-Aware Recall)と呼ばれる新しい指標を用いて,モデルの信号認識を計測する。 その結果,90年代以降のリコールから60年代以降のリコールは,新たな指標で大幅に減少した。
  論文  参考訳（メタデータ） (2020-11-25T20:05:23Z)
• Investigating Robustness of Adversarial Samples Detection for Automatic Speaker Verification [78.51092318750102]
  本研究は,ASVシステムに対して,別個の検出ネットワークによる敵攻撃から防御することを提案する。 VGGライクな二分分類検出器を導入し、対向サンプルの検出に有効であることが実証された。
  論文  参考訳（メタデータ） (2020-06-11T04:31:56Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。