論文の概要: Consumer INS Coupled with Carrier Phase Measurements for GNSS Spoofing Detection

• arxiv url: http://arxiv.org/abs/2502.03870v1
• Date: Thu, 06 Feb 2025 08:34:23 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-07 14:29:10.838459
• Title: Consumer INS Coupled with Carrier Phase Measurements for GNSS Spoofing Detection
• Title（参考訳）: GNSSスポーフィング検出のためのキャリア位相測定と消費者INS
• Authors: Tore Johansson, Marco Spanghero, Panos Papadimitratos,
• Abstract要約: 慣性測定ユニットは、提供されたナビゲーションソリューションの精度と堅牢性を高めることに成功している。 しかし、否定された文脈における慣性技術に基づく効果的なナビゲーションには、ハイエンドのセンサーが必要である。 そこで本研究では,MEMS INSとハイエンド産業用グレードセンサの性能について述べる。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Global Navigation Satellite Systems enable precise localization and timing even for highly mobile devices, but legacy implementations provide only limited support for the new generation of security-enhanced signals. Inertial Measurement Units have proved successful in augmenting the accuracy and robustness of the GNSS-provided navigation solution, but effective navigation based on inertial techniques in denied contexts requires high-end sensors. However, commercially available mobile devices usually embed a much lower-grade inertial system. To counteract an attacker transmitting all the adversarial signals from a single antenna, we exploit carrier phase-based observations coupled with a low-end inertial sensor to identify spoofing and meaconing. By short-time integration with an inertial platform, which tracks the displacement of the GNSS antenna, the high-frequency movement at the receiver is correlated with the variation in the carrier phase. In this way, we identify legitimate transmitters, based on their geometrical diversity with respect to the antenna system movement. We introduce a platform designed to effectively compare different tiers of commercial INS platforms with a GNSS receiver. By characterizing different inertial sensors, we show that simple MEMS INS perform as well as high-end industrial-grade sensors. Sensors traditionally considered unsuited for navigation purposes offer great performance at the short integration times used to evaluate the carrier phase information consistency against the high-frequency movement. Results from laboratory evaluation and through field tests at Jammertest 2024 show that the detector is up to 90% accurate in correctly identifying spoofing (or the lack of it), without any modification to the receiver structure, and with mass-production grade INS typical for mobile phones.
• Abstract（参考訳）: グローバルナビゲーション衛星システム(Global Navigation Satellite Systems)は、高度にモバイルデバイスでも正確なローカライズとタイミングを可能にするが、レガシー実装は、新しい世代のセキュリティ強化信号のみをサポートする。 慣性測定ユニットは、GNSSが提供するナビゲーションソリューションの精度と堅牢性を高めることに成功したが、否定されたコンテキストにおける慣性技術に基づく効果的なナビゲーションには、ハイエンドセンサーが必要である。 しかし、市販のモバイルデバイスは通常、より低レベルの慣性システムを組み込む。 単一アンテナから全ての敵信号を送信した攻撃者に対処するために,ローエンド慣性センサと組み合わせたキャリア位相に基づく観測を用いてスプーフィングとミーコンの識別を行う。 GNSSアンテナの変位を追跡する慣性プラットフォームとの短時間の統合により、受信機における高周波移動はキャリア位相の変動と相関する。 このようにして、アンテナ系の動きに関する幾何学的多様性に基づいて、正統な送信機を識別する。 商用INSプラットフォームとGNSS受信機を効果的に比較するためのプラットフォームを提案する。 異なる慣性センサを特徴付けることにより、単純なMEMS INSとハイエンドな産業用グレードセンサーの性能を示すことを示す。 従来、ナビゲーション目的に適さないと考えられてきたセンサは、高周波動作に対するキャリア位相情報の整合性を評価するために使用される短い統合時間において、優れた性能を提供する。 実験結果とジャマーテスト2024でのフィールドテストの結果、検知器はスプーフィング(またはその欠如)を正確に識別し、受信機の構造を変更せず、また携帯電話に典型的な大量生産級のINSを持つ。

関連論文リスト

• Low-altitude Friendly-Jamming for Satellite-Maritime Communications via Generative AI-enabled Deep Reinforcement Learning [72.72954660774002]
  低地球軌道(LEO)衛星は、海上無線通信で広範囲にわたるデータ通信を支援するために使用できる。 LEO衛星を広範囲にカバーし、チャネルの開放性と組み合わせることで、通信プロセスはセキュリティ上のリスクに悩まされる可能性がある。 本稿では無人航空機による低高度衛星通信システムLEOについて述べる。
  論文  参考訳（メタデータ） (2025-01-26T10:13:51Z)
• GNSS/GPS Spoofing and Jamming Identification Using Machine Learning and Deep Learning [0.8594140167290099]
  グローバルナビゲーション衛星システム(GNSS)は、密封や妨害などの悪意のある脅威に対して脆弱である。 機械学習とディープラーニングの最近の進歩は、検出と緩和戦略を強化するための有望な道を提供する。 本稿では、機械学習、ディープラーニング、コンピュータビジョン技術を通じて、現実世界の課題に取り組むことによって、スプーフィングとジャミングの両方に対処する。
  論文  参考訳（メタデータ） (2025-01-04T18:14:43Z)
• GPS-IMU Sensor Fusion for Reliable Autonomous Vehicle Position Estimation [0.0]
  慣性測定ユニット(IMU)は加速度や回転の変化などの相対的な運動情報を提供する。 GPSとは異なり、IMUは外部の信号に頼らず、GPSで識別された環境で有用である。 GPSとIMUを融合させることは、自動運転車のナビゲーションシステムの信頼性と精度を高めるために重要である。
  論文  参考訳（メタデータ） (2024-05-13T19:05:36Z)
• Uncovering GNSS Interference with Aerial Mapping UAV [0.0]
  本研究では,高度飛行力学と高性能消費者受信機を組み合わせることで,大面積での干渉を検出する手法を提案する。 提案システムは、干渉源を検出し、その影響領域をマッピングし、品質の悪い環境や否定された環境に対する状況認識を得る。
  論文  参考訳（メタデータ） (2024-05-13T10:21:03Z)
• Angle Robustness Unmanned Aerial Vehicle Navigation in GNSS-Denied Scenarios [66.05091704671503]
  本稿では、ポイントツーポイントナビゲーションタスクにおける飛行偏差に対処する新しい角度ナビゲーションパラダイムを提案する。 また、Adaptive Feature Enhance Module、Cross-knowledge Attention-guided Module、Robust Task-oriented Head Moduleを含むモデルを提案する。
  論文  参考訳（メタデータ） (2024-02-04T08:41:20Z)
• AdvGPS: Adversarial GPS for Multi-Agent Perception Attack [47.59938285740803]
  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。
  論文  参考訳（メタデータ） (2024-01-30T23:13:41Z)
• Experimental Validation of Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles [5.624009710240032]
  本稿では,自動走行車に対するセンサフュージョンを用いたスプーフィング攻撃検出フレームワークを提案する。 アラバマ州タスカルーサで実験が行われ、都市部の道路構造を模倣している。 結果は、遅いドリフト攻撃を含む様々な高度なスプーフ攻撃を検出できるフレームワークの能力を実証している。
  論文  参考訳（メタデータ） (2024-01-02T17:30:46Z)
• Deep Learning for Inertial Sensor Alignment [1.9773109138840514]
  慣性測定ユニット(IMU)を装備したスマートフォンのヨー装着角度を学習し,車に装着するデータ駆動型アプローチを提案する。 提案モデルは、IMUからの加速度計とジャイロスコープのみを入力として使用する。 トレーニングされたモデルはAndroidデバイスにデプロイされ、推定されたヨー装着角度の精度をテストするためにリアルタイムで評価される。
  論文  参考訳（メタデータ） (2022-12-10T07:50:29Z)
• Complex-valued Convolutional Neural Networks for Enhanced Radar Signal Denoising and Interference Mitigation [73.0103413636673]
  本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。 CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
  論文  参考訳（メタデータ） (2021-04-29T10:06:29Z)
• 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)
• Deep Soft Procrustes for Markerless Volumetric Sensor Alignment [81.13055566952221]
  本研究では、より堅牢なマルチセンサ空間アライメントを実現するために、マーカーレスデータ駆動対応推定を改善する。 我々は、幾何学的制約を終末的に典型的なセグメンテーションベースモデルに組み込み、対象のポーズ推定タスクと中間密な分類タスクをブリッジする。 実験により,マーカーベースの手法で同様の結果が得られ,マーカーレス手法よりも優れ,またキャリブレーション構造のポーズ変動にも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-03-23T10:51:32Z)

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。