論文の概要: Simulation of Sensor Spoofing Attacks on Unmanned Aerial Vehicles Using the Gazebo Simulator

• arxiv url: http://arxiv.org/abs/2309.09648v1
• Date: Mon, 18 Sep 2023 10:34:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-23 07:20:12.240437
• Title: Simulation of Sensor Spoofing Attacks on Unmanned Aerial Vehicles Using the Gazebo Simulator
• Title（参考訳）: gazeboシミュレータを用いた無人航空機のセンサスプーフィング攻撃のシミュレーション
• Authors: Irdin Pekaric, David Arnold and Michael Felderer
• Abstract要約: 本稿では,シミュレーション可能な攻撃の可能性について検討し,シミュレーションを行う。 無人航空機のLiDARおよびGPSコンポーネントをターゲットにした攻撃をシミュレートすることができる。 任意の値を持つメッセージは対応するトピックにスプープされ、アタッカーは関連するパラメータを更新し、車両の潜在的なクラッシュを引き起こすことができる。
• 参考スコア（独自算出の注目度）: 4.383011485317949
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Conducting safety simulations in various simulators, such as the Gazebo simulator, became a very popular means of testing vehicles against potential safety risks (i.e. crashes). However, this was not the case with security testing. Performing security testing in a simulator is very difficult because security attacks are performed on a different abstraction level. In addition, the attacks themselves are becoming more sophisticated, which directly contributes to the difficulty of executing them in a simulator. In this paper, we attempt to tackle the aforementioned gap by investigating possible attacks that can be simulated, and then performing their simulations. The presented approach shows that attacks targeting the LiDAR and GPS components of unmanned aerial vehicles can be simulated. This is achieved by exploiting vulnerabilities of the ROS and MAVLink protocol and injecting malicious processes into an application. As a result, messages with arbitrary values can be spoofed to the corresponding topics, which allows attackers to update relevant parameters and cause a potential crash of a vehicle. This was tested in multiple scenarios, thereby proving that it is indeed possible to simulate certain attack types, such as spoofing and jamming.
• Abstract（参考訳）: gazebo simulatorのような様々なシミュレータで安全シミュレーションを行うことは、潜在的な安全リスク(すなわち衝突)に対して車両をテストする非常に一般的な方法となった。 しかし、セキュリティテストではそうではなかった。 異なる抽象化レベルでセキュリティ攻撃が実行されるため、シミュレータでセキュリティテストを実行するのは極めて難しい。 さらに、攻撃自体も高度化しており、シミュレータでそれらを実行することの難しさに直接寄与している。 本稿では,シミュレーション可能な攻撃の可能性を調査し,シミュレーションを行うことにより,上記のギャップに対処しようとする。 提案手法は,無人航空機のLiDARおよびGPSコンポーネントを標的とした攻撃をシミュレート可能であることを示す。 これはROSおよびMAVLinkプロトコルの脆弱性を利用して、悪意のあるプロセスをアプリケーションに注入することで実現される。 その結果、任意の値を持つメッセージは対応するトピックにスプープされ、攻撃者は関連するパラメータを更新し、車両の潜在的なクラッシュを引き起こすことができる。 これは複数のシナリオでテストされ、スプーフィングやジャミングといった特定の攻撃タイプをシミュレートすることが可能であることを証明した。

関連論文リスト

• ROS2-Based Simulation Framework for Cyberphysical Security Analysis of UAVs [0.08333024746293494]
  本稿では,サイバー物理的セキュリティ攻撃と防衛テストの必要性に合わせた,無人航空機(UAV)の新たなシミュレータを提案する。 私たちのフレームワークには、モーションプランナ、コントローラ、通信モデル、アタックモデルが組み込まれています。
  論文  参考訳（メタデータ） (2024-10-04T23:23:54Z)
• Promptable Closed-loop Traffic Simulation [57.36568236100507]
  ProSimはマルチモーダルプロンプト可能なクローズドループトラフィックシミュレーションフレームワークである。 ProSimはクローズドループ方式でトラフィックシナリオをロールアウトし、各エージェントと他のトラフィック参加者とのインタラクションをモデル化する。 高速な交通シミュレーションの研究を支援するため,マルチモーダル・プロンプト・インストラクト・520k(ProSim-Instruct-520k)を開発した。
  論文  参考訳（メタデータ） (2024-09-09T17:59:15Z)
• UniSim: A Neural Closed-Loop Sensor Simulator [76.79818601389992]
  センサ搭載車両によって記録された1つのログをキャプチャする、ニューラルネットワークシミュレータUniSimを提示する。 UniSimは、静的バックグラウンドと動的アクターの両方を再構築するために、ニューラルネットワーク機能グリッドを構築する。 動的オブジェクトの学習可能な事前情報を組み込んで、畳み込みネットワークを利用して未確認領域を完成させる。
  論文  参考訳（メタデータ） (2023-08-03T17:56:06Z)
• Generating and Characterizing Scenarios for Safety Testing of Autonomous Vehicles [86.9067793493874]
  最先端運転シミュレータを用いて,テストシナリオを特徴付け,生成するための効率的なメカニズムを提案する。 次世代シミュレーション(NGSIM)プロジェクトにおける実運転データの特徴付けに本手法を用いる。 事故回避の複雑さに基づいてメトリクスを定義してシナリオをランク付けし、事故発生の可能性を最小限に抑えるための洞察を提供します。
  論文  参考訳（メタデータ） (2021-03-12T17:00:23Z)
• TrafficSim: Learning to Simulate Realistic Multi-Agent Behaviors [74.67698916175614]
  リアル交通シミュレーションのためのマルチエージェント行動モデルであるTrafficSimを提案する。 特に、暗黙の潜在変数モデルを利用して、共同アクターポリシーをパラメータ化する。 TrafficSimは、多様なベースラインと比較して、より現実的で多様なトラフィックシナリオを生成します。
  論文  参考訳（メタデータ） (2021-01-17T00:29:30Z)
• AdvSim: Generating Safety-Critical Scenarios for Self-Driving Vehicles [76.46575807165729]
  我々は,任意のLiDARベースの自律システムに対して,安全クリティカルなシナリオを生成するための,敵対的フレームワークであるAdvSimを提案する。 センサデータから直接シミュレートすることにより、完全な自律スタックに対して安全クリティカルな敵シナリオを得る。
  論文  参考訳（メタデータ） (2021-01-16T23:23:12Z)
• Digital Twins Are Not Monozygotic -- Cross-Replicating ADAS Testing in Two Industry-Grade Automotive Simulators [13.386879259549305]
  SBSTは2つのシミュレータで重要なテストシナリオを効率的かつ効率的に生成できることを示した。 2つのシミュレータで同じテストシナリオを実行すると、テスト出力の詳細に顕著な違いが生じることが分かりました。
  論文  参考訳（メタデータ） (2020-12-12T14:00:33Z)
• Simulating Unknown Target Models for Query-Efficient Black-box Attacks [21.21690695534498]
  ディープニューラルネットワークの セキュリティ問題を調べるために 敵の攻撃が提案されている ブラックボックス設定では、現在のモデル盗難攻撃は、ターゲットモデルの機能を偽装するために代替モデルを訓練する。 本研究の目的は、未知のターゲットモデルの機能を模倣できる「シミュレータ」と呼ばれる一般化された代替モデルを訓練することである。
  論文  参考訳（メタデータ） (2020-09-02T11:30:40Z)
• Testing the Safety of Self-driving Vehicles by Simulating Perception and Prediction [88.0416857308144]
  センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。 我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
  論文  参考訳（メタデータ） (2020-08-13T17:20:02Z)
• Towards Automated Safety Coverage and Testing for Autonomous Vehicles with Reinforcement Learning [0.3683202928838613]
  検証は、システムが日々の運転で遭遇する可能性のあるシナリオや状況において、自動運転車システムをテストに投入する。 本稿では,AVソフトウェア実装における障害事例と予期せぬ交通状況を生成するために強化学習(RL)を提案する。
  論文  参考訳（メタデータ） (2020-05-22T19:00:38Z)

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。