論文の概要: Revisiting LiDAR Spoofing Attack Capabilities against Object Detection: Improvements, Measurement, and New Attack

• arxiv url: http://arxiv.org/abs/2303.10555v1
• Date: Sun, 19 Mar 2023 03:46:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-21 18:42:08.004051
• Title: Revisiting LiDAR Spoofing Attack Capabilities against Object Detection: Improvements, Measurement, and New Attack
• Title（参考訳）: 物体検出に対するLiDARスポーフィング攻撃能力の再検討:改善,測定,新たな攻撃
• Authors: Takami Sato, Yuki Hayakawa, Ryo Suzuki, Yohsuke Shiiki, Kentaro Yoshioka, Qi Alfred Chen
• Abstract要約: 近年の研究では、LiDARに対して悪意のあるレーザーを発射することで、LiDAR点雲を操作でき、オブジェクト検出を馬鹿にすることができることが示されている。 対象検出器に対するLiDARスプーフィング攻撃能の大規模測定を行った。 我々は、これを改善し、より汎用的で最近のLiDARセットに適用できる新しいタイプのLiDARスプーフィング攻撃を特定する。
• 参考スコア（独自算出の注目度）: 14.27555787306533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LiDAR (Light Detection And Ranging) is an indispensable sensor for precise long- and wide-range 3D sensing, which directly benefited the recent rapid deployment of autonomous driving (AD). Meanwhile, such a safety-critical application strongly motivates its security research. A recent line of research demonstrates that one can manipulate the LiDAR point cloud and fool object detection by firing malicious lasers against LiDAR. However, these efforts face 3 critical research gaps: (1) evaluating only on a specific LiDAR (VLP-16); (2) assuming unvalidated attack capabilities; and (3) evaluating with models trained on limited datasets. To fill these critical research gaps, we conduct the first large-scale measurement study on LiDAR spoofing attack capabilities on object detectors with 9 popular LiDARs in total and 3 major types of object detectors. To perform this measurement, we significantly improved the LiDAR spoofing capability with more careful optics and functional electronics, which allows us to be the first to clearly demonstrate and quantify key attack capabilities assumed in prior works. However, we further find that such key assumptions actually can no longer hold for all the other (8 out of 9) LiDARs that are more recent than VLP-16 due to various recent LiDAR features. To this end, we further identify a new type of LiDAR spoofing attack that can improve on this and be applicable to a much more general and recent set of LiDARs. We find that its attack capability is enough to (1) cause end-to-end safety hazards in simulated AD scenarios, and (2) remove real vehicles in the physical world. We also discuss the defense side.
• Abstract（参考訳）: LiDAR(Light Detection and Ranging)は、近頃の自動運転(AD)の迅速な展開の恩恵を直接受けられる、正確な長距離3Dセンシングに必要なセンサーである。 一方、このような安全クリティカルなアプリケーションは、セキュリティ研究を強く動機付けている。 最近の研究では、LiDARに対して悪意のあるレーザーを発射することで、LiDAR点雲を操作でき、オブジェクト検出を馬鹿にすることができることが示されている。 しかしながら、これらの取り組みは、(1)特定のLiDAR(VLP-16)のみを評価すること、(2)無効な攻撃能力を仮定すること、(3)限られたデータセットで訓練されたモデルを用いて評価すること、の3つの重要な研究ギャップに直面している。 これらの重要な研究ギャップを埋めるために、我々は、9つの人気のあるLiDARと3つの主要なオブジェクト検出器を持つ物体検出器に対するLiDARスプーフィング攻撃能力に関する、最初の大規模な測定を行った。 この測定をするために、より注意深い光学系と機能性エレクトロニクスを用いてLiDARスプーフィング能力を大幅に改善し、先行研究で想定される主要な攻撃能力を初めて明確に実証し定量化することを可能にする。 しかし、近年のLiDARの特徴により、VLP-16より新しい他のLiDAR(9つ中8つ)については、そのような重要な仮定はもはや保持できないことが判明した。 この目的のために、我々はさらに改善可能な新しいタイプのLiDARスプーフィング攻撃を特定し、より汎用的で最近のLiDARの集合に適用することができる。 その攻撃能力は,(1)シミュレーションADシナリオにおいてエンド・ツー・エンドの安全性を損なうのに十分であり,(2)物理世界における実際の車両を除去する。 防衛面についても議論する。

関連論文リスト

• Effective and Efficient Adversarial Detection for Vision-Language Models via A Single Vector [97.92369017531038]
  Diverse hArmful Responses (RADAR) を用いた新しい laRge-scale Adervsarial 画像データセットを構築した。 そこで我々は,視覚言語モデル (VLM) の隠れ状態から抽出した1つのベクトルを利用して,入力中の良質な画像に対して対向画像を検出する,新しいiN時間埋め込み型AdveRSarial Image Detectction (NEARSIDE) 法を開発した。
  論文  参考訳（メタデータ） (2024-10-30T10:33:10Z)
• Better Monocular 3D Detectors with LiDAR from the Past [64.6759926054061]
  カメラベースの3D検出器は、画像の奥行きのあいまいさのため、LiDARベースの検出器に比べて性能が劣ることが多い。 本研究では,未ラベルの歴史的LiDARデータを活用することにより,単分子3D検出器の改良を図る。 複数の最先端モデルやデータセットに対して,9.66ミリ秒の追加レイテンシとストレージコストの低い,一貫性と大幅なパフォーマンス向上を示す。
  論文  参考訳（メタデータ） (2024-04-08T01:38:43Z)
• ADoPT: LiDAR Spoofing Attack Detection Based on Point-Level Temporal Consistency [11.160041268858773]
  ディープニューラルネットワーク(DNN)は、自動運転車(AV)のためのLiDARベースの知覚システムにますます統合されている 我々は,攻撃者がLiDARデータに偽のオブジェクトを注入し,その環境を誤解釈して誤った判断を下すという,LiDAR偽造攻撃の課題に対処することを目指している。 ADoPT (Anomaly Detection based on Point-level Temporal consistency) は、連続するフレーム間の時間的一貫性を定量的に測定し、ポイントクラスタのコヒーレンシーに基づいて異常物体を同定する。 nuScenesデータセットを用いた評価では、アルゴリズムは様々なLiDARスプーフィング攻撃に対して効果的に対応し、低(低)を実現している。
  論文  参考訳（メタデータ） (2023-10-23T02:31:31Z)
• A Comprehensive Study of the Robustness for LiDAR-based 3D Object Detectors against Adversarial Attacks [84.10546708708554]
  3Dオブジェクト検出器は、セキュリティクリティカルなタスクにおいてますます重要になっている。 敵の攻撃に対する強固さを理解することが不可欠である。 本稿では,LiDARをベースとした3次元検出器の対角攻撃時のロバスト性評価と解析を行った。
  論文  参考訳（メタデータ） (2022-12-20T13:09:58Z)
• Boosting 3D Object Detection by Simulating Multimodality on Point Clouds [51.87740119160152]
  本稿では,LiDAR 画像検出器に追従する特徴や応答をシミュレートすることで,単一モダリティ (LiDAR) 3次元物体検出器を高速化する新しい手法を提案する。 このアプローチでは、単一モダリティ検出器をトレーニングする場合のみ、LiDARイメージデータを必要とし、十分にトレーニングされた場合には、推論時にのみLiDARデータが必要である。 nuScenesデータセットの実験結果から,本手法はSOTA LiDARのみの3D検出器よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2022-06-30T01:44:30Z)
• LiDAR Distillation: Bridging the Beam-Induced Domain Gap for 3D Object Detection [96.63947479020631]
  多くの現実世界の応用において、大量生産されたロボットや車両が使用するLiDARポイントは通常、大規模な公開データセットよりもビームが少ない。 異なるLiDARビームによって誘導される領域ギャップをブリッジして3次元物体検出を行うLiDAR蒸留法を提案する。
  論文  参考訳（メタデータ） (2022-03-28T17:59:02Z)
• Object Removal Attacks on LiDAR-based 3D Object Detectors [6.263478017242508]
  オブジェクト除去攻撃(ORAs)は、3Dオブジェクト検出器を失敗させることを目的としている。 関心領域の摂動点雲に対して、1方向に1つの戻り信号を記録するLiDARのデフォルト設定を利用する。 その結果,この攻撃は一般的な3次元物体検出モデルの性能低下に有効であることがわかった。
  論文  参考訳（メタデータ） (2021-02-07T05:34:14Z)
• Towards Robust LiDAR-based Perception in Autonomous Driving: General Black-box Adversarial Sensor Attack and Countermeasures [24.708895480220733]
  LiDARをベースとした認識は、被害者の自動運転車の前で敵が偽の車両をスポークする攻撃に対して脆弱である。 我々は、現在のLiDARベースの知覚アーキテクチャの一般的な脆弱性を調査するための最初の研究を行う。 特定された脆弱性に基づいた最初のブラックボックススプーフィング攻撃を構築し、平均成功率の約80%を普遍的に達成した。
  論文  参考訳（メタデータ） (2020-06-30T17:07:45Z)
• 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。