論文の概要: D-SLAMSpoof: An Environment-Agnostic LiDAR Spoofing Attack using Dynamic Point Cloud Injection

• arxiv url: http://arxiv.org/abs/2603.11365v1
• Date: Wed, 11 Mar 2026 23:06:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-21 18:33:56.702849
• Title: D-SLAMSpoof: An Environment-Agnostic LiDAR Spoofing Attack using Dynamic Point Cloud Injection
• Title（参考訳）: D-SLAMSpoof:ダイナミックポイントクラウドインジェクションを用いた環境非依存LiDARスポフォール攻撃
• Authors: Rokuto Nagata, Kenji Koide, Kazuma Ikeda, Ozora Sako, Kentaro Yoshioka,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 5.775959675362423
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work, we introduce Dynamic SLAMSpoof (D-SLAMSpoof), a novel attack that compromises LiDAR SLAM even in feature-rich environments. The attack leverages LiDAR spoofing, which injects spurious measurements into LiDAR scans through external laser interference. By designing both spatial injection shapes and temporally coordinated dynamic injection patterns guided by scan-matching principles, D-SLAMSpoof significantly improves attack success rates in real-world, feature-rich environments such as urban areas and indoor spaces, where conventional LiDAR spoofing methods often fail. Furthermore, we propose a practical defense method, ISD-SLAM, that relies solely on inertial dead reckoning signals commonly available in autonomous systems. We demonstrate that ISD-SLAM accurately detects LiDAR spoofing attacks, including D-SLAMSpoof, and effectively mitigates the resulting position drift. Our findings expose inherent vulnerabilities in LiDAR-based SLAM and introduce the first practical defense against LiDAR-based SLAM spoofing using only standard onboard sensors, providing critical insights for improving the security and reliability of autonomous systems.
• Abstract（参考訳）: 本研究では,機能豊富な環境でもLiDAR SLAMを侵害する新たな攻撃であるDynamic SLAMSpoof(D-SLAMSpoof)を紹介する。 この攻撃はLiDARスプーフィングを利用しており、外部レーザー干渉によってLiDARスキャンに急激な測定を注入する。 D-SLAMSpoofは、空間注入形状とスキャンマッチング原理で導かれる時間的に調整された動的注入パターンの両方を設計することにより、都市部や屋内空間のような実世界の特徴豊富な環境において、従来のLiDARスプーフ法が失敗することが多い攻撃の成功率を大幅に向上させる。 さらに,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。 ISD-SLAMは、D-SLAMSpoofを含むLiDARスプーフ攻撃を正確に検出し、その結果のドリフトを効果的に軽減することを示した。 本研究は,LiDARをベースとしたSLAMの脆弱性を明らかにするとともに,標準搭載センサのみを用いて,LiDARをベースとしたSLAMスプーフィングに対する最初の実践的防御を導入し,自律システムのセキュリティと信頼性向上に重要な洞察を与える。

関連論文リスト

• MirrorDrift: Actuated Mirror-Based Attacks on LiDAR SLAM [5.450994180292697]
  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。
  論文  参考訳（メタデータ） (2026-03-11T23:03:05Z)
• DataSentinel: A Game-Theoretic Detection of Prompt Injection Attacks [87.66245688589977]
  LLM統合されたアプリケーションとエージェントは、インジェクション攻撃に弱い。 検出方法は、入力が注入プロンプトによって汚染されているかどうかを判定することを目的とする。 本研究では,迅速なインジェクション攻撃を検出するゲーム理論手法であるDataSentinelを提案する。
  論文  参考訳（メタデータ） (2025-04-15T16:26:21Z)
• SLACK: Attacking LiDAR-based SLAM with Adversarial Point Injections [1.6567468717846674]
  LiDARベースのSLAMに対する学習に基づく攻撃を研究する主な研究は存在しない。 本研究は,LiDARの品質を劣化させることなく,数点の点注入でLiDARスキャンを攻撃するための,エンド・ツー・エンドの深部生成敵モデルであるSLACKを提案する。
  論文  参考訳（メタデータ） (2025-04-03T23:52:49Z)
• 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)
• ADoPT: LiDAR Spoofing Attack Detection Based on Point-Level Temporal Consistency [11.160041268858773]
  ディープニューラルネットワーク(DNN)は、自動運転車(AV)のためのLiDARベースの知覚システムにますます統合されている 我々は,攻撃者がLiDARデータに偽のオブジェクトを注入し,その環境を誤解釈して誤った判断を下すという,LiDAR偽造攻撃の課題に対処することを目指している。 ADoPT (Anomaly Detection based on Point-level Temporal consistency) は、連続するフレーム間の時間的一貫性を定量的に測定し、ポイントクラスタのコヒーレンシーに基づいて異常物体を同定する。 nuScenesデータセットを用いた評価では、アルゴリズムは様々なLiDARスプーフィング攻撃に対して効果的に対応し、低(低)を実現している。
  論文  参考訳（メタデータ） (2023-10-23T02:31:31Z)
• Quantum secured LiDAR with Gaussian modulated coherent states [6.207058145190368]
  古典的な信号に依存するLiDARシステムは、インターセプトと最近の偽造攻撃の影響を受けやすい。 本稿では,ガウス変調コヒーレント状態を用いた量子セキュアLiDARプロトコルを提案する。
  論文  参考訳（メタデータ） (2023-08-23T14:45:39Z)
• Towards Robust LiDAR-based Perception in Autonomous Driving: General Black-box Adversarial Sensor Attack and Countermeasures [24.708895480220733]
  LiDARをベースとした認識は、被害者の自動運転車の前で敵が偽の車両をスポークする攻撃に対して脆弱である。 我々は、現在のLiDARベースの知覚アーキテクチャの一般的な脆弱性を調査するための最初の研究を行う。 特定された脆弱性に基づいた最初のブラックボックススプーフィング攻撃を構築し、平均成功率の約80%を普遍的に達成した。
  論文  参考訳（メタデータ） (2020-06-30T17:07:45Z)

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。