論文の概要: AdvGPS: Adversarial GPS for Multi-Agent Perception Attack
- arxiv url: http://arxiv.org/abs/2401.17499v2
- Date: Tue, 20 Feb 2024 20:54:59 GMT
- ステータス: 処理完了
- システム内更新日: 2024-02-22 19:16:25.714918
- Title: AdvGPS: Adversarial GPS for Multi-Agent Perception Attack
- Title（参考訳）: AdvGPS:マルチエージェント・パーセプション攻撃のための逆GPS
- Authors: Jinlong Li, Baolu Li, Xinyu Liu, Jianwu Fang, Felix Juefei-Xu, Qing
Guo, Hongkai Yu
- Abstract要約: 本研究は,マルチエージェント認識システムにおいて,特定のGPS信号が容易に誤認できるかどうかを考察する。
我々は,システム内の個々のエージェントに対してステルス性を持つ逆GPS信号を生成可能なtextscAdvGPSを紹介する。
OPV2Vデータセットに対する実験により、これらの攻撃が最先端の手法の性能を著しく損なうことを示した。
- 参考スコア（独自算出の注目度）: 47.59938285740803
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: The multi-agent perception system collects visual data from sensors located
on various agents and leverages their relative poses determined by GPS signals
to effectively fuse information, mitigating the limitations of single-agent
sensing, such as occlusion. However, the precision of GPS signals can be
influenced by a range of factors, including wireless transmission and
obstructions like buildings. Given the pivotal role of GPS signals in
perception fusion and the potential for various interference, it becomes
imperative to investigate whether specific GPS signals can easily mislead the
multi-agent perception system. To address this concern, we frame the task as an
adversarial attack challenge and introduce \textsc{AdvGPS}, a method capable of
generating adversarial GPS signals which are also stealthy for individual
agents within the system, significantly reducing object detection accuracy. To
enhance the success rates of these attacks in a black-box scenario, we
introduce three types of statistically sensitive natural discrepancies:
appearance-based discrepancy, distribution-based discrepancy, and task-aware
discrepancy. Our extensive experiments on the OPV2V dataset demonstrate that
these attacks substantially undermine the performance of state-of-the-art
methods, showcasing remarkable transferability across different point cloud
based 3D detection systems. This alarming revelation underscores the pressing
need to address security implications within multi-agent perception systems,
thereby underscoring a critical area of research.
- Abstract（参考訳）: マルチエージェント認識システムは、様々なエージェントに位置するセンサーから視覚データを収集し、GPS信号によって決定された相対的なポーズを利用して情報を効果的に融合させ、閉塞のような単一エージェントセンシングの限界を緩和する。
しかし、GPS信号の精度は、無線通信や建物などの障害物など、様々な要因に影響される可能性がある。
知覚融合におけるGPS信号の重要な役割と様々な干渉の可能性を考えると、特定のGPS信号がマルチエージェント認識システムを簡単に誤認できるかどうかを調べることが重要である。
この問題に対処するため、我々はこの課題を敵対的攻撃課題として捉え、システム内の個々のエージェントに対してステルス性のある敵対的gps信号を生成できる方法である \textsc{advgps} を導入する。
ブラックボックスシナリオにおいて,これらの攻撃の成功率を高めるために,出現に基づく不一致,分布に基づく不一致,タスク認識的不一致の3種類の統計的に敏感な自然不一致を導入する。
OPV2Vデータセットに関する広範な実験により、これらの攻撃が最先端の手法の性能を著しく損なうことが示され、異なるポイントクラウドベースの3D検出システム間で顕著な転送可能性を示している。
この警告的な啓示は、マルチエージェント認識システムにおけるセキュリティへの影響に対処する必要性を強調しており、それによって研究の重要領域が強調される。
関連論文リスト
- 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) - Sequential Attention Source Identification Based on Feature
Representation [88.05527934953311]
本稿では,テンポラルシーケンスに基づくグラフ注意源同定(TGASI)と呼ばれるシーケンス・ツー・シーケンス・ベースのローカライズ・フレームワークを提案する。
なお、このインダクティブラーニングのアイデアは、TGASIが他の事前の知識を知らずに新しいシナリオのソースを検出できることを保証する。
論文 参考訳（メタデータ） (2023-06-28T03:00:28Z) - Cyber-resilience for marine navigation by information fusion and change
detection [1.7205106391379026]
サイバーレジリエンスは、海洋船の自律航法ソリューションの開発において、ますます関心が高まりつつある。
本稿では,3つのエッジを持つプリズムを通した海洋航法におけるサイバーレジリエンス特性について検討する。
沿岸航法に用いるセンサ信号の診断と緩和のための2段階推定器を提案する。
論文 参考訳（メタデータ） (2022-02-01T12:56:02Z) - 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) - Detecting and Identifying Optical Signal Attacks on Autonomous Driving
Systems [25.32946739108013]
攻撃対象のセンサーを検知・識別する枠組みを提案する。
具体的には、3つのセンサーからなるシステムに対する攻撃を検知する新しい手法を最初に開発する。
本研究では,実データと最先端機械学習モデルを用いて,攻撃検出手法の評価を行う。
論文 参考訳（メタデータ） (2021-10-20T12:21:04Z) - No Need to Know Physics: Resilience of Process-based Model-free Anomaly
Detection for Industrial Control Systems [95.54151664013011]
本稿では,システムの物理的特性に反する逆スプーフ信号を生成するための新しい枠組みを提案する。
トップセキュリティカンファレンスで公表された4つの異常検知器を分析した。
論文 参考訳（メタデータ） (2020-12-07T11:02:44Z) - Towards robust sensing for Autonomous Vehicles: An adversarial
perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。
敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。
より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文 参考訳（メタデータ） (2020-07-14T05:25:15Z) - 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) - Training-free Monocular 3D Event Detection System for Traffic
Surveillance [93.65240041833319]
既存のイベント検出システムは、主に学習ベースであり、大量のトレーニングデータが利用可能な場合、十分なパフォーマンスを実現している。
現実のシナリオでは、十分なラベル付きトレーニングデータの収集は高価であり、時には不可能である。
本稿では,交通監視のためのトレーニング不要な単眼3Dイベント検出システムを提案する。
論文 参考訳（メタデータ） (2020-02-01T04:42:57Z)
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。