論文の概要: MirrorDrift: Actuated Mirror-Based Attacks on LiDAR SLAM

• arxiv url: http://arxiv.org/abs/2603.11364v1
• Date: Wed, 11 Mar 2026 23:03:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.701658
• Title: MirrorDrift: Actuated Mirror-Based Attacks on LiDAR SLAM
• Title（参考訳）: MirrorDrift:LiDAR SLAM上のアクティベートミラーベースの攻撃
• Abstract要約: LiDAR SLAMは高精度なローカライゼーションを提供するが、スキャンマッチングが幾何的一貫性を前提としているため、ポイントクラウドの破損には脆弱である。 以前のLiDAR SLAMに対する物理的攻撃は、外部信号注入によるLiDARのスプーフィングに大きく依存していた。 我々は、鏡面反射が注入不要の代替手段を提供し、LiDARスキャンでゴーストポイントを発生させるために、作動平面鏡を用いた攻撃であるMirrorDriftを実証することを示した。
• 参考スコア（独自算出の注目度）: 5.450994180292697
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: LiDAR SLAM provides high-accuracy localization but is fragile to point-cloud corruption because scan matching assumes geometric consistency. Prior physical attacks on LiDAR SLAM largely rely on LiDAR spoofing via external signal injection, which requires sensor-specific timing knowledge and is increasingly mitigated by modern defense mechanisms such as timing obfuscation and injection rejection. In this work, we show that specular reflection offers an injection-free alternative and demonstrate an attack, MirrorDrift, that uses an actuated planar mirror to cause ghost points in LiDAR scans and systematically bias scan-matching correspondences. MirrorDrift optimizes mirror placement, alignment, and actuation. In simulation, it increases the average pose error (APE) by 6.1x over random placement, degrading three SLAM systems to 2.29-3.31 m mean APE. In real-world experiments on a modern LiDAR with state-of-the-art interference mitigation, it induces localization errors of up to 6.03 m. To the best of our knowledge, this is the first successful SLAM-targeted attack against production-grade secure LiDARs.
• Abstract（参考訳）: LiDAR SLAMは高精度なローカライゼーションを提供するが、スキャンマッチングが幾何的一貫性を前提としているため、ポイントクラウドの破損には脆弱である。 従来のLiDAR SLAMの物理的攻撃は、外部信号注入によるLiDARのスプーフィングに大きく依存しており、センサー固有のタイミング知識を必要とし、タイミング難読化や注入拒絶といった現代の防御機構によって緩和される。 本研究は,鏡面反射が注入不要の代替手段であり,リアミラードリフト(MirrorDrift)が作動する平面鏡を用いて,LiDARスキャンのゴーストポイントと系統的バイアススキャンマッチングを発生させることを示す。 MirrorDriftはミラー配置、アライメント、アクティベーションを最適化する。 シミュレーションでは、ランダムな配置で平均ポーズ誤差(APE)を6.1倍にし、3つのSLAMシステムを2.29-3.31mに分解する。 最先端の干渉緩和を伴う現代のLiDARにおける実世界の実験では、最大6.03mの局所化誤差を誘導する。 私たちの知る限りでは、SLAMがターゲットとする、プロダクショングレードのセキュアなLiDARに対する攻撃は、これが初めての成功です。

関連論文リスト

• Explainability-Aware Frustum Attack: Exposing Structural Vulnerabilities in LiDAR-Based 3D Object Detectors [5.47472857635307]
  Saliency-LiDAR法は,LiDARをベースとした3Dオブジェクト検出器のための普遍的なサリエンシマップを生成する。 我々は、対象領域全体を均一に攻撃するのではなく、最も影響力のあるフラストラムのみを選択的に摂動させる、説明可能性を考慮したフラストラム攻撃(EFA)を設計する。 EFAは検出リコールを15ポイント以上削減し、最先端の非安全基準よりも25～50%少ないフラストラムを必要とする。
  論文  参考訳（メタデータ） (2026-06-29T08:40:16Z)
• ATLAS: A Large-Scale Evaluation Benchmark for Adversarial LiDAR Perception [2.216657815393579]
  ATLASは、ブラックボックスセンサー攻撃下でのLiDAR知覚モデルの大規模な物理的基盤評価ベンチマークである。 標準ベンチマークでのより強力なパフォーマンスを持つモデルは、除去攻撃に耐える傾向にあるが、実際には弱いモデルよりもインジェクション攻撃に対して脆弱である。 この脆弱性を、標準的なオブジェクトデータベースサンプリング拡張にトレースし、現在のトレーニングプラクティスがアーキテクチャに依存しない障害を誘発する方法を明らかにします。
  論文  参考訳（メタデータ） (2026-06-01T21:56:57Z)
• D-SLAMSpoof: An Environment-Agnostic LiDAR Spoofing Attack using Dynamic Point Cloud Injection [5.775959675362423]
  機能豊富な環境でもLiDAR SLAMを侵害する新しい攻撃である Dynamic SLAMSpoof (D-SLAMSpoof) を導入する。 D-SLAMSpoofは、都市部や屋内空間などの機能豊富な現実世界における攻撃の成功率を大幅に向上させる。 本稿では,自律システムで一般的に見られる慣性デッドレコメンデーション信号のみに依存する実用的防御手法 ISD-SLAM を提案する。
  論文  参考訳（メタデータ） (2026-03-11T23:06:52Z)
• L3DR: 3D-aware LiDAR Diffusion and Rectification [85.5914944339043]
  レンジビュー(RV)に基づくLiDAR拡散は、最近2Dフォトリアリズムに向けて大きな進歩を遂げた。 しかし、3次元幾何学的リアリズムを無視し、深部出血や波状表面といった様々なRVアーティファクトをしばしば生成する。 我々は,3次元空間におけるRVアーティファクトの回帰とキャンセルが可能な,L3DRを3D対応のLiDAR拡散・整流フレームワークとして設計する。
  論文  参考訳（メタデータ） (2026-02-22T06:31:58Z)
• Seeing is Deceiving: Mirror-Based LiDAR Spoofing for Autonomous Vehicle Deception [0.6865481844899556]
  我々は、鏡のような表面を利用する低コストでパッシブなLiDARスプーフィング攻撃のクラスを示す。 これらの攻撃は電子部品やカスタムメイクを必要とせず、実際の設定で展開できる。 実験では、ミラー攻撃が破損した占有グリッドを攻撃し、誤った検出を誘導し、安全でない計画と制御行動を引き起こす。
  論文  参考訳（メタデータ） (2025-09-21T22:05:36Z)
• ROLO-SLAM: Rotation-Optimized LiDAR-Only SLAM in Uneven Terrain with Ground Vehicle [49.61982102900982]
  荒地における地上車両の姿勢推定精度を向上させるために,LiDARを用いたSLAM法を提案する。 累積誤差の低減を支援するために,グローバルスケールの因子グラフが確立されている。 その結果,ROLO-SLAMは地上車両の姿勢推定に優れ,既存のLiDAR SLAMフレームワークよりも優れていた。
  論文  参考訳（メタデータ） (2025-01-04T02:44:27Z)
• LiDAR-GS:Real-time LiDAR Re-Simulation using Gaussian Splatting [53.58528891081709]
  都市景観におけるLiDARスキャンをリアルタイムかつ高忠実に再現するLiDAR-GSを提案する。 この手法は,公開可能な大規模シーンデータセットのレンダリングフレームレートと品質の両面において,最先端の結果を達成する。
  論文  参考訳（メタデータ） (2024-10-07T15:07:56Z)
• VaLID: Verification as Late Integration of Detections for LiDAR-Camera Fusion [2.503388496100123]
  車両物体検出は、LiDARとカメラデータの両方から恩恵を受ける。 本稿では,各予測境界ボックスが許容可能であるかどうかを検証するモデル適応型遅延融合法VaLIDを提案する。 提案手法はモデル適応型であり,汎用カメラ検出器を用いた場合においても最先端の競争性能を示す。
  論文  参考訳（メタデータ） (2024-09-23T20:27:10Z)
• LiDAR Spoofing Meets the New-Gen: Capability Improvements, Broken Assumptions, and New Attack Strategies [26.9731228822657]
  最近の研究では、LiDARに対して悪意のあるレーザーを発射することで、LiDAR点雲とばかげた物体検出器を操作できることが判明した。 9つのLiDARを持つ物体検出器に対するLiDARスプーフィング攻撃能の大規模測定を行った。 測定角度の新規性による新しいものだけでなく、この問題の領域における最新の理解に直接挑戦できるものも多数含まれている。
  論文  参考訳（メタデータ） (2023-03-19T03:46:27Z)
• Ada3Diff: Defending against 3D Adversarial Point Clouds via Adaptive Diffusion [70.60038549155485]
  ディープ3Dポイントクラウドモデルは敵攻撃に敏感であり、自律運転のような安全クリティカルなアプリケーションに脅威をもたらす。 本稿では,適応強度推定器と拡散モデルを用いて,プリスタンデータ分布を再構築できる新しい歪み認識型防衛フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-29T14:32:43Z)
• LiDAR Distillation: Bridging the Beam-Induced Domain Gap for 3D Object Detection [96.63947479020631]
  多くの現実世界の応用において、大量生産されたロボットや車両が使用するLiDARポイントは通常、大規模な公開データセットよりもビームが少ない。 異なるLiDARビームによって誘導される領域ギャップをブリッジして3次元物体検出を行うLiDAR蒸留法を提案する。
  論文  参考訳（メタデータ） (2022-03-28T17:59:02Z)
• 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)

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。