論文の概要: Robust Sensor Fusion Algorithms Against VoiceCommand Attacks in Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2104.09872v1
• Date: Tue, 20 Apr 2021 10:08:46 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-21 13:27:49.584571
• Title: Robust Sensor Fusion Algorithms Against VoiceCommand Attacks in Autonomous Vehicles
• Title（参考訳）: 自律走行車における音声コマンド攻撃に対するロバストセンサフュージョンアルゴリズム
• Authors: Jiwei Guan, Xi Zheng, Chen Wang, Yipeng Zhou and Alireza Jolfa
• Abstract要約: そこで本研究では,非可聴コマンド攻撃を防御するマルチモーダル深層学習分類システムを提案する。 提案手法の有効性を確認し,最良の分類精度は89.2%に達した。
• 参考スコア（独自算出の注目度）: 8.35945218644081
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With recent advances in autonomous driving, Voice Control Systems have become increasingly adopted as human-vehicle interaction methods. This technology enables drivers to use voice commands to control the vehicle and will be soon available in Advanced Driver Assistance Systems (ADAS). Prior work has shown that Siri, Alexa and Cortana, are highly vulnerable to inaudible command attacks. This could be extended to ADAS in real-world applications and such inaudible command threat is difficult to detect due to microphone nonlinearities. In this paper, we aim to develop a more practical solution by using camera views to defend against inaudible command attacks where ADAS are capable of detecting their environment via multi-sensors. To this end, we propose a novel multimodal deep learning classification system to defend against inaudible command attacks. Our experimental results confirm the feasibility of the proposed defense methods and the best classification accuracy reaches 89.2%. Code is available at https://github.com/ITSEG-MQ/Sensor-Fusion-Against-VoiceCommand-Attacks.
• Abstract（参考訳）: 近年の自動運転の進歩により、Voice Control Systemsは車と車との相互作用方法としてますます普及している。 この技術により、ドライバーは音声コマンドを使って車両を制御でき、間もなくAdvanced Driver Assistance Systems(ADAS)で利用できるようになる。 以前の研究によると、siri、alexa、cortanaは音声コマンド攻撃に対して非常に脆弱である。 これは現実世界のアプリケーションでADASに拡張できる可能性があり、マイクロホンの非線形性のため、そのような難解なコマンド脅威を検出することは困難である。 本稿では,ADASがマルチセンサーで環境を検知できる不明瞭なコマンド攻撃に対して,カメラビューを用いて防御し,より実用的なソリューションを開発することを目的とする。 そこで本研究では,非可聴コマンド攻撃を防御するマルチモーダル深層学習分類システムを提案する。 提案手法の有効性を確認し,最良の分類精度は89.2%に達した。 コードはhttps://github.com/ITSEG-MQ/Sensor-Fusion-Against-VoiceCommand-Attacksで入手できる。

関連論文リスト

• Evaluating Synthetic Command Attacks on Smart Voice Assistants [2.91784559412979]
  単純な結合音声合成であっても、攻撃者が音声アシスタントに繊細な操作を指示するために使用できることを示す。 以上の結果から、音声アシスタントをターゲットとする合成悪意のあるコマンドに対するより良い防御の必要性が示された。
  論文  参考訳（メタデータ） (2024-11-13T03:51:58Z)
• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• Multi-model fusion for Aerial Vision and Dialog Navigation based on human attention aids [69.98258892165767]
  本稿では,2023年ICCV会話史のための航空航法課題について述べる。 本稿では,人間注意支援型トランスフォーマモデル(HAA-Transformer)と人間注意支援型LSTMモデル(HAA-LSTM)の融合訓練方法を提案する。
  論文  参考訳（メタデータ） (2023-08-27T10:32:52Z)
• NUANCE: Near Ultrasound Attack On Networked Communication Environments [0.0]
  本研究では, 近距離超音波トロイの木馬を用いたAmazon Alexa音声サービスにおける難聴攻撃ベクトルについて検討した。 この研究は、各攻撃ベクトルをMITRE ATT&CK行列から戦術またはテクニックにマッピングする。 実験では、攻撃の有効性を評価するために50個の近超音波を生成し、調査した。
  論文  参考訳（メタデータ） (2023-04-25T23:28:46Z)
• A Virtual Simulation-Pilot Agent for Training of Air Traffic Controllers [0.797970449705065]
  航空交通管制士(ATCo)の訓練を高速化する新しい仮想シミュレーションパイロットエンジンを提案する。 エンジンはATCo訓練生から音声通信を受け、自動音声認識と理解を行う。 私たちの知る限りでは、オープンソースのATCリソースとAIツールを完全にベースとした最初の作品です。
  論文  参考訳（メタデータ） (2023-04-16T17:45:21Z)
• Push-Pull: Characterizing the Adversarial Robustness for Audio-Visual Active Speaker Detection [88.74863771919445]
  我々は、音声のみ、視覚のみ、および音声-視覚的敵対攻撃下でのAVASDモデルの脆弱性を明らかにする。 また,攻撃者が現実的な相手を見つけるのを困難にするため,新たな音声・視覚的相互作用損失(AVIL)を提案する。
  論文  参考訳（メタデータ） (2022-10-03T08:10:12Z)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• Automating Privilege Escalation with Deep Reinforcement Learning [71.87228372303453]
  本研究では,エージェントの訓練に深層強化学習を用いることで,悪意あるアクターの潜在的な脅威を実証する。 本稿では,最先端の強化学習アルゴリズムを用いて,局所的な特権エスカレーションを行うエージェントを提案する。 我々のエージェントは、実際の攻撃センサーデータを生成し、侵入検知システムの訓練と評価に利用できる。
  論文  参考訳（メタデータ） (2021-10-04T12:20:46Z)
• Using Soft Actor-Critic for Low-Level UAV Control [0.0]
  本稿では,ソフト・アクタ・クリティカル (SAC) アルゴリズムを目標タスクにおいて低レベルに制御するためのフレームワークを提案する。 SACは堅牢なポリシーを学ぶだけでなく、目に見えないシナリオにも対処できる。
  論文  参考訳（メタデータ） (2020-10-05T19:16:57Z)
• Unmanned Aerial Vehicle Control Through Domain-based Automatic Speech Recognition [0.0]
  本稿では,ドローンなどの無人航空機を制御するためのドメインベース音声認識アーキテクチャを提案する。 ドローン制御は、より自然で人間的な方法で指示を伝える。 スペイン語と英語の両方を用いて,命令解釈のためのアルゴリズムを実装した。
  論文  参考訳（メタデータ） (2020-09-09T11:17:45Z)
• Physically Realizable Adversarial Examples for LiDAR Object Detection [72.0017682322147]
  本稿では,LiDAR検出器を騙すために,汎用な3次元対向物体を生成する手法を提案する。 特に,LiDAR検出器から車両を完全に隠蔽するために,車両の屋根上に対向物体を配置し,その成功率は80%であることを示した。 これは、限られたトレーニングデータから見知らぬ条件下での、より安全な自動運転への一歩だ。
  論文  参考訳（メタデータ） (2020-04-01T16:11:04Z)

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。