論文の概要: GPS Spoofing Attack Detection in Autonomous Vehicles Using Adaptive DBSCAN

• arxiv url: http://arxiv.org/abs/2510.10766v1
• Date: Sun, 12 Oct 2025 19:06:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:30.099331
• Title: GPS Spoofing Attack Detection in Autonomous Vehicles Using Adaptive DBSCAN
• Title（参考訳）: 適応DBSCANを用いた自律走行車におけるGPSスポーフィング検出
• Authors: Ahmad Mohammadi, Reza Ahmari, Vahid Hemmati, Frederick Owusu-Ambrose, Mahmoud Nabil Mahmoud, Parham Kebria, Abdollah Homaifar, Mehrdad Saif,
• Abstract要約: 本研究では、動的に調整された密度に基づくノイズ付きアプリケーションの空間クラスタリング(DBSCAN)アルゴリズムを用いた適応検出手法を提案する。 修正されたアルゴリズムは、ターンバイターン、ストップ、オーバーシュート、および複数の小さなバイアス付きスパイ攻撃を効果的に識別する。
• 参考スコア（独自算出の注目度）: 1.932372263677091
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: As autonomous vehicles become an essential component of modern transportation, they are increasingly vulnerable to threats such as GPS spoofing attacks. This study presents an adaptive detection approach utilizing a dynamically tuned Density Based Spatial Clustering of Applications with Noise (DBSCAN) algorithm, designed to adjust the detection threshold ({\epsilon}) in real-time. The threshold is updated based on the recursive mean and standard deviation of displacement errors between GPS and in-vehicle sensors data, but only at instances classified as non-anomalous. Furthermore, an initial threshold, determined from 120,000 clean data samples, ensures the capability to identify even subtle and gradual GPS spoofing attempts from the beginning. To assess the performance of the proposed method, five different subsets from the real-world Honda Research Institute Driving Dataset (HDD) are selected to simulate both large and small magnitude GPS spoofing attacks. The modified algorithm effectively identifies turn-by-turn, stop, overshoot, and multiple small biased spoofing attacks, achieving detection accuracies of 98.621%, 99.960.1%, 99.880.1%, and 98.380.1%, respectively. This work provides a substantial advancement in enhancing the security and safety of AVs against GPS spoofing threats.
• Abstract（参考訳）: 自動運転車が近代的な交通手段の不可欠な要素になるにつれ、GPSスプーフィング攻撃のような脅威に対してますます脆弱になっている。 本研究では、動的に調整された密度に基づくノイズ付きアプリケーションの空間クラスタリング(DBSCAN)アルゴリズムを用いて、検出しきい値({\epsilon})をリアルタイムに調整する適応検出手法を提案する。 閾値は、GPSと車内センサーデータ間の変位誤差の再帰平均値と標準偏差に基づいて更新されるが、非異常に分類される場合のみ更新される。 さらに、12万のクリーンデータサンプルから決定された最初の閾値は、最初から微妙で段階的なGPSスプーフィングの試みを識別する能力を保証する。 提案手法の性能を評価するため, 実世界のホンダ研究所ドライビングデータセット(HDD)の5つのサブセットを選択し, 大規模・小型のGPSスプーフィング攻撃をシミュレートした。 修正されたアルゴリズムは、ターンバイターン、ストップ、オーバーシュート、および複数の小さなバイアス付きスプーフィング攻撃を効果的に識別し、それぞれ98.621%、99.960.1%、99.880.1%、98.380.1%の検出精度を達成する。 この研究は、GPSスプーフィング脅威に対するAVの安全性と安全性を著しく向上させる。

関連論文リスト

• NOVA: Navigation via Object-Centric Visual Autonomy for High-Speed Target Tracking in Unstructured GPS-Denied Environments [56.35569661650558]
  我々はNOVAというオブジェクト中心のフレームワークを導入し、ロバストな目標追跡と衝突認識ナビゲーションを可能にした。 グローバルマップを構築するのではなく、NOVAはターゲットの参照フレーム内での知覚、推定、制御を定式化する。 我々は,都市迷路や森林の小道,間欠的なGPS損失を伴う建物内の繰り返し遷移など,現実の挑戦的なシナリオにまたがってNOVAを検証する。
  論文  参考訳（メタデータ） (2025-06-23T14:28:30Z)
• GPS-IDS: An Anomaly-based GPS Spoofing Attack Detection Framework for Autonomous Vehicles [1.1992484839577393]
  GPSネットワークは、偽造や妨害といったサイバー攻撃に弱い。 本稿では,異常な侵入検知フレームワークであるGPS-IDSを提案する。 私たちの知る限りでは、このデータセットはこの種のデータセットとしては初めてのもので、このようなセキュリティ上の課題に対処するために、グローバルな研究コミュニティが公開している。
  論文  参考訳（メタデータ） (2024-05-14T06:55:16Z)
• 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)
• 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)
• 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)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Unsupervised Adaptation from Repeated Traversals for Autonomous Driving [54.59577283226982]
  自動運転車はエンドユーザー環境に一般化し、確実に動作させなければならない。 潜在的な解決策の1つは、エンドユーザの環境から収集されたラベルのないデータを活用することである。 適応過程を監督する信頼性のある信号はターゲット領域に存在しない。 この単純な仮定は、ターゲット領域上の3次元物体検出器の反復的自己学習を可能にする強力な信号を得るのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-03-27T15:07:55Z)
• Intelligent GPS Spoofing Attack Detection in Power Grids [0.7034739490820968]
  GPSはGPSスプーフィング攻撃(GSA)に弱い 電力網では、PMU (Passor Measurement Unit) はGPSを使ってタイムタグの計測を行う。 本稿では,PMUデータを用いたニューラルネットワークGPSスプーフィング検出(NNGSD)を行い,GSAを検出する。
  論文  参考訳（メタデータ） (2020-05-09T20:52:18Z)

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。