論文の概要: Impact Analysis of Inference Time Attack of Perception Sensors on Autonomous Vehicles

• arxiv url: http://arxiv.org/abs/2505.03850v1
• Date: Mon, 05 May 2025 23:00:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-08 19:07:35.872392
• Title: Impact Analysis of Inference Time Attack of Perception Sensors on Autonomous Vehicles
• Title（参考訳）: 自動走行車における知覚センサの予測時間アタックの影響解析
• Authors: Hanlin Chen, Simin Chen, Wenyu Li, Wei Yang, Yiheng Feng,
• Abstract要約: 自動運転車の予測時間攻撃に基づく影響分析を提案する。 我々は,エゴ車両と他の交通機関の双方の安全を脅かすために,そのような推定時間攻撃をシミュレーションシステムで実証する。
• 参考スコア（独自算出の注目度）: 11.693109854958479
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As a safety-critical cyber-physical system, cybersecurity and related safety issues for Autonomous Vehicles (AVs) have been important research topics for a while. Among all the modules on AVs, perception is one of the most accessible attack surfaces, as drivers and AVs have no control over the outside environment. Most current work targeting perception security for AVs focuses on perception correctness. In this work, we propose an impact analysis based on inference time attacks for autonomous vehicles. We demonstrate in a simulation system that such inference time attacks can also threaten the safety of both the ego vehicle and other traffic participants.
• Abstract（参考訳）: 安全クリティカルなサイバー物理システムとして、自律走行車(AV)のサイバーセキュリティと関連する安全問題が、しばらくの間重要な研究課題であった。 AVの全てのモジュールの中で、ドライバーとAVは外部環境を制御できないため、知覚は最もアクセスしやすい攻撃面の1つである。 AVの知覚セキュリティをターゲットとする現在の作業は、認識の正しさに重点を置いている。 本研究では,自動運転車の予測時間攻撃に基づく影響分析を提案する。 我々は,エゴ車両と他の交通機関の双方の安全を脅かすために,そのような推定時間攻撃をシミュレーションシステムで実証する。

関連論文リスト

• Mitigation of Camouflaged Adversarial Attacks in Autonomous Vehicles--A Case Study Using CARLA Simulator [3.1006820631993515]
  AVにおける交通信号認識を目的としたカメラカモフラージュ対向攻撃を開発した。 その結果、このような攻撃は停止標識に対する自動ブレーキ応答を遅らせる可能性があり、潜在的な安全上の問題を引き起こす可能性が示唆された。 提案手法は、他のエンドツーエンドの自律サイバー物理システムに適用可能である。
  論文  参考訳（メタデータ） (2025-02-03T17:30:43Z)
• Is Your Autonomous Vehicle Safe? Understanding the Threat of Electromagnetic Signal Injection Attacks on Traffic Scene Perception [3.8225514249914734]
  電磁信号注入攻撃(ESIA)は、自動運転車が撮影した画像を歪めることができる。 我々の研究は、異なるモデル underA のパフォーマンスを分析し、攻撃に対する脆弱性を明らかにします。 我々の研究は、より堅牢なAIモデルの開発を促進することを目的として、包括的なシミュレーションと評価のフレームワークを提供する。
  論文  参考訳（メタデータ） (2025-01-09T13:44:42Z)
• A Survey on Adversarial Robustness of LiDAR-based Machine Learning Perception in Autonomous Vehicles [0.0]
  この調査は、AML(Adversarial Machine Learning)と自律システムの交差点に焦点を当てている。 我々は、脅威の風景を包括的に探求し、センサーに対するサイバー攻撃と敵の摂動を包含する。 本稿では、敵の脅威に対する自律運転システムの安全性確保における課題と今後の課題を簡潔に概説する。
  論文  参考訳（メタデータ） (2024-11-21T01:26:52Z)
• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• A Counterfactual Safety Margin Perspective on the Scoring of Autonomous Vehicles' Riskiness [52.27309191283943]
  本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。 本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
  論文  参考訳（メタデータ） (2023-08-02T09:48:08Z)
• Safety-aware Motion Prediction with Unseen Vehicles for Autonomous Driving [104.32241082170044]
  本研究では,無人運転用無人車を用いた新しい作業,安全を意識した動作予測手法について検討する。 既存の車両の軌道予測タスクとは異なり、占有率マップの予測が目的である。 私たちのアプローチは、ほとんどの場合、目に見えない車両の存在を予測できる最初の方法です。
  論文  参考訳（メタデータ） (2021-09-03T13:33:33Z)
• Invisible for both Camera and LiDAR: Security of Multi-Sensor Fusion based Perception in Autonomous Driving Under Physical-World Attacks [62.923992740383966]
  本稿では,MDFに基づくADシステムにおけるセキュリティ問題の最初の研究について述べる。 物理的に実現可能な逆3Dプリントオブジェクトを生成し、ADシステムが検出に失敗してクラッシュする。 以上の結果から,攻撃は様々なオブジェクトタイプおよびMSFに対して90%以上の成功率を達成した。
  論文  参考訳（メタデータ） (2021-06-17T05:11:07Z)
• Dirty Road Can Attack: Security of Deep Learning based Automated Lane Centering under Physical-World Attack [38.3805893581568]
  本研究では,物理世界の敵対的攻撃下での最先端のディープラーニングに基づくALCシステムの安全性について検討する。 安全クリティカルな攻撃目標と、新しいドメイン固有の攻撃ベクトル、汚い道路パッチで問題を定式化する。 実世界の走行トレースから80のシナリオを用いて実運用ALCに対する攻撃を評価した。
  論文  参考訳（メタデータ） (2020-09-14T19:22:39Z)
• 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)

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。