論文の概要: RadArnomaly: Protecting Radar Systems from Data Manipulation Attacks
- arxiv url: http://arxiv.org/abs/2106.07074v1
- Date: Sun, 13 Jun 2021 19:16:37 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-15 15:36:05.266111
- Title: RadArnomaly: Protecting Radar Systems from Data Manipulation Attacks
- Title（参考訳）: RadArnomaly:データ操作攻撃からレーダーシステムを保護する
- Authors: Shai Cohen and Efrat Levy and Avi Shaked and Tair Cohen and Yuval
Elovici and Asaf Shabtai
- Abstract要約: 本稿では,レーダシステムデータストリーム中の異常を検出するためのディープラーニングに基づく手法を提案する。
提案手法により,データストリーム内のクリティカルフィールドの不正な操作を検出することができる。
実験では,様々なデータストリーム操作攻撃に対して高い検出精度を示す。
- 参考スコア（独自算出の注目度）: 40.736632681576786
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Radar systems are mainly used for tracking aircraft, missiles, satellites,
and watercraft. In many cases, information regarding the objects detected by
the radar system is sent to, and used by, a peripheral consuming system, such
as a missile system or a graphical user interface used by an operator. Those
systems process the data stream and make real-time, operational decisions based
on the data received. Given this, the reliability and availability of
information provided by radar systems has grown in importance. Although the
field of cyber security has been continuously evolving, no prior research has
focused on anomaly detection in radar systems. In this paper, we present a deep
learning-based method for detecting anomalies in radar system data streams. We
propose a novel technique which learns the correlation between numerical
features and an embedding representation of categorical features in an
unsupervised manner. The proposed technique, which allows the detection of
malicious manipulation of critical fields in the data stream, is complemented
by a timing-interval anomaly detection mechanism proposed for the detection of
message dropping attempts. Real radar system data is used to evaluate the
proposed method. Our experiments demonstrate the method's high detection
accuracy on a variety of data stream manipulation attacks (average detection
rate of 88% with 1.59% false alarms) and message dropping attacks (average
detection rate of 92% with 2.2% false alarms).
- Abstract（参考訳）: レーダーシステムは、主に航空機、ミサイル、衛星、水上艇の追跡に使用される。
多くの場合、レーダーシステムによって検出された物体に関する情報は、ミサイルシステムやオペレーターが使用するグラフィカルユーザインタフェースなどの周辺消費システムに送られ、使用される。
これらのシステムはデータストリームを処理し、受信したデータに基づいてリアルタイムで運用上の決定を行う。
これを踏まえ、レーダーシステムが提供する情報の信頼性と可用性が重要になっている。
サイバーセキュリティの分野は継続的に進化しているが、レーダシステムにおける異常検出に焦点を当てた以前の研究はない。
本稿では,レーダーシステムのデータストリームにおける異常を検出するための深層学習に基づく手法を提案する。
そこで本研究では,数値的特徴とカテゴリ的特徴の埋め込み表現との相関を教師なしで学習する新しい手法を提案する。
提案手法は,データストリーム内のクリティカルフィールドの悪質な操作を検知する手法であり,メッセージドロップの試みを検出するためのタイミング-間隔異常検出機構によって補完される。
提案手法の評価には実レーダシステムデータを用いる。
本研究では,様々なデータストリーム操作攻撃(平均検出率は88%,偽アラームは1.59%)とメッセージ投下攻撃(平均検出率は92%,偽アラームは2.2%)に対して高い検出精度を示す。
関連論文リスト
- Leveraging Self-Supervised Instance Contrastive Learning for Radar
Object Detection [7.728838099011661]
本稿では,レーダ物体検出装置を事前訓練する際,RCLを例に紹介する。
我々は、より少ないデータで学習するために、物体検出器のバックボーン、頭、首を事前訓練することを目指している。
論文 参考訳（メタデータ） (2024-02-13T12:53:33Z) - ADCNet: Learning from Raw Radar Data via Distillation [3.519713957675842]
レーダーベースのシステムは、LiDARベースのシステムよりも低コストで、悪天候に対して堅牢である。
最近の研究は、最終的なレーダー点雲の代わりに、生のレーダーデータを消費することに焦点を当てている。
我々は,信号処理パイプラインの要素を我々のネットワークに持ち込み,信号処理タスクの事前学習を行うことで,検出性能の状態を達成できることを示す。
論文 参考訳（メタデータ） (2023-03-21T13:31:15Z) - A Robust and Explainable Data-Driven Anomaly Detection Approach For
Power Electronics [56.86150790999639]
本稿では,2つの異常検出・分類手法,すなわち行列プロファイルアルゴリズムと異常変換器を提案する。
行列プロファイルアルゴリズムは、ストリーミング時系列データにおけるリアルタイム異常を検出するための一般化可能なアプローチとして適している。
検知器の感度、リコール、検出精度を調整するために、一連のカスタムフィルタが作成され、追加される。
論文 参考訳（メタデータ） (2022-09-23T06:09:35Z) - Unsupervised Domain Adaptation across FMCW Radar Configurations Using
Margin Disparity Discrepancy [17.464353263281907]
本研究では、ディープラーニングの人間活動分類の文脈において、レーダー構成にまたがる非教師なし領域適応の問題を考える。
我々は、コンピュータビジョンの分野ですでに成功している、Margin Disparity Discrepancyの理論に触発されたテクニックに焦点を当てた。
我々の実験は、この手法をレーダーデータに拡張し、同じ分類問題に対する少数ショット教師付きアプローチに匹敵する精度を達成した。
論文 参考訳（メタデータ） (2022-03-09T09:11:06Z) - Radio-Assisted Human Detection [61.738482870059805]
本稿では,無線情報を最先端検出手法に組み込んだ無線支援人体検知フレームワークを提案する。
我々は、人検出を支援するために、無線信号から無線の局部化と識別情報を抽出する。
シミュレーション可能なMicrosoft COCOデータセットとCaltechの歩行者データセットの実験では、平均平均精度(mAP)とミスレートが、無線情報を用いて改善できることが示されている。
論文 参考訳（メタデータ） (2021-12-16T09:53:41Z) - Learning to Detect Open Carry and Concealed Object with 77GHz Radar [7.608789301874509]
本稿では,搬送物体検出問題に対して,77GHzmm波レーダを用いた比較的未探索領域に着目した。
提案システムでは, ノートパソコン, 電話, ナイフの3種類の物体を, 空き荷物や隠蔽ケースでリアルタイムに検出できる。
このシステムは77GHzレーダーによる搬送物体の検出を目的とした、他の将来の研究のための最初のベースラインとなる。
論文 参考訳（メタデータ） (2021-10-31T17:33:28Z) - 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) - LiRaNet: End-to-End Trajectory Prediction using Spatio-Temporal Radar
Fusion [52.59664614744447]
本稿では,レーダセンサ情報と広範に使用されているライダーと高精細度(HD)マップを用いた新しい終端軌道予測手法LiRaNetを提案する。
自動車レーダーは、リッチで補完的な情報を提供し、より長い距離の車両検出と即時速度測定を可能にします。
論文 参考訳（メタデータ） (2020-10-02T00:13:00Z) - RadarNet: Exploiting Radar for Robust Perception of Dynamic Objects [73.80316195652493]
我々は、自動運転車の文脈における認識のためにRadarを利用する問題に取り組む。
我々は、LiDARとRadarの両方のセンサーを知覚に利用した新しいソリューションを提案する。
RadarNetと呼ばれる我々のアプローチは、ボクセルベースの早期核融合と注意に基づく後期核融合を特徴としている。
論文 参考訳（メタデータ） (2020-07-28T17:15:02Z) - Probabilistic Oriented Object Detection in Automotive Radar [8.281391209717103]
本稿では,レーダー物体検出のためのディープラーニングに基づくアルゴリズムを提案する。
我々は102544フレームの生レーダと同期LiDARデータを備えた新しいマルチモーダルデータセットを作成しました。
我々の最高性能レーダ検出モデルは、指向性IoU0.3で77.28%APを達成した。
論文 参考訳（メタデータ） (2020-04-11T05:29:32Z)
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。