論文の概要: Framework for Discovering GPS Spoofing Attacks in Drone Swarms

• arxiv url: http://arxiv.org/abs/2606.00904v1
• Date: Sat, 30 May 2026 21:59:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-09 14:54:14.692371
• Title: Framework for Discovering GPS Spoofing Attacks in Drone Swarms
• Title（参考訳）: ドローン群におけるGPSスポウティング攻撃の発見フレームワーク
• Abstract要約: 攻撃者がSwarm制御アルゴリズムの脆弱性を利用してドローンのSwarmを破壊する方法を示す。 我々はSwarmFuzzGraphとSwarmFuzzBinaryという2つのファジリングツールを導入し、Swarm制御アルゴリズムでSPVを効率的に見つける。
• 参考スコア（独自算出の注目度）: 12.145530659988303
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Swarm robotics, particularly drone swarms, are used in various safety-critical tasks. While a lot of attention has been given to improving swarm control algorithms for improved intelligence, the security implications of various design choices in swarm control algorithms have not been studied. We highlight how an attacker can exploit the vulnerabilities in swarm control algorithms to disrupt drone swarms. Specifically, we show that the attacker can target a swarm member (target drone) through GPS spoofing attacks, and indirectly cause other swarm members (victim drones) to veer from their course, resulting in collisions. We call these Swarm Propagation Vulnerabilities (SPVs). In this paper, we introduce two fuzzing tools, SwarmFuzzGraph and SwarmFuzzBinary, to efficiently find SPVs in swarm control algorithms. SwarmFuzzGraph uses a combination of graph theory and gradient-guided optimization to find SPVs. Our evaluation on a popular swarm control algorithm shows that SwarmFuzzGraph achieves an average success rate of 48.8% in finding SPVs. However, SwarmFuzzGraph fails to find any SPVs in drone swarms with different topologies. We then propose SwarmFuzzBinary, which uses observation-based seed scheduling and binary search to find SPVs. The evaluation shows that SwarmFuzzBinary's success rate is comparable to SwarmFuzzGraph and work in all tested algorithms.
• Abstract（参考訳）: スワーミングロボティクス、特にドローンスワーミングは、様々な安全クリティカルなタスクで使用されている。 インテリジェンスを改善するために、Swarm制御アルゴリズムの改善に多くの注意が向けられているが、Swarm制御アルゴリズムにおける様々な設計選択のセキュリティへの影響は研究されていない。 我々は、攻撃者がSwarm制御アルゴリズムの脆弱性を利用してドローンのSwarmを破壊する方法について強調する。 具体的には、攻撃者はGPSスプーフィング攻撃によって他のSwarmメンバー(標的ドローン)を標的にすることができ、間接的に他のSwarmメンバー(被害者ドローン)をコースから退避させ、衝突することを示す。 これらのSwarm Propagation Vulnerabilities(SPV)と呼ぶ。 本稿では,SwarmFuzzGraphとSwarmFuzzBinaryという2つのファジリングツールを導入し,Swarm制御アルゴリズムのSPVを効率的に検出する。 SwarmFuzzGraphはグラフ理論と勾配誘導最適化を組み合わせてSPVを求める。 一般的なSwarm制御アルゴリズムに対する評価は,SwarmFuzzGraphがSPVの発見において平均48.8%の成功率を達成したことを示している。 しかし、SwarmFuzzGraphは、異なるトポロジを持つドローン群でSPVを見つけられなかった。 次に,SwarmFuzzBinaryを提案する。これは観測に基づくシードスケジューリングとバイナリ検索を用いて,SPVの探索を行う。 評価の結果,SwarmFuzzBinaryの成功率はSwarmFuzzGraphに匹敵するものであり,すべてのテストアルゴリズムで動作することがわかった。

関連論文リスト

• Aerial Secure Collaborative Communications under Eavesdropper Collusion in Low-altitude Economy: A Generative Swarm Intelligent Approach [84.20358039333756]
  本研究では,AAV群に分散コラボレーティブビームフォーミング(DCB)を導入し,対応する信号分布を制御して盗聴者の共謀を処理した。 両方向の秘密保持能力と最大サイドローブレベルを最小化して、未知の盗聴者からの情報漏洩を回避する。 本稿では,より少ないオーバーヘッドで問題を解決するために,新しいジェネレーティブ・スウォーム・インテリジェンス(GenSI)フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-02T04:02:58Z)
• Using Drone Swarm to Stop Wildfire: A Predict-then-optimize Approach [5.16575376041885]
  ドローンの群れの銃撃戦は、山火事の現場における非常に複雑な環境条件など、大きな課題に直面している。 我々はこれらの課題に対処し、効果的なドローン群銃撃戦を可能にするための予測最適化アプローチを開発した。
  論文  参考訳（メタデータ） (2024-11-25T07:10:03Z)
• Swarm Bug Algorithms for Path Generation in Unknown Environments [56.07676459156789]
  我々は,古典経路生成アルゴリズムCom,Bug1,Bug2のSwarmCom,SwarmBug1,SwarmBug2と呼ばれるSwarm一般化を提案する。 潜在的なアプリケーションには、損傷した環境が典型的である検索・救助操作が含まれる。
  論文  参考訳（メタデータ） (2023-08-15T12:30:15Z)
• Secure Deep Learning-based Distributed Intelligence on Pocket-sized Drones [75.80952211739185]
  パームサイズのナノドロンはエッジノードの魅力的なクラスであるが、その限られた計算資源は大規模なディープラーニングモデルの実行を妨げている。 エッジフォッグ計算のパラダイムを採用することで、計算の一部をフォグにオフロードすることができるが、フォグノードや通信リンクが信頼できない場合、セキュリティ上の懸念が生じる。 ナノドローン上でランダムなサブネットワークを冗長に実行することにより,霧の計算を検証する分散エッジフォッグ実行方式を提案する。
  論文  参考訳（メタデータ） (2023-07-04T08:29:41Z)
• A Search and Detection Autonomous Drone System: from Design to Implementation [7.760962597460447]
  ターゲットを見つけるのに要する時間の観点からの探索効率は、山火事の検出に不可欠である。 経路計画と目標検出という2つのアルゴリズムが提案されている。 その結果,提案アルゴリズムはミッションの平均時間を大幅に短縮することがわかった。
  論文  参考訳（メタデータ） (2022-11-29T01:44:29Z)
• TransVisDrone: Spatio-Temporal Transformer for Vision-based Drone-to-Drone Detection in Aerial Videos [57.92385818430939]
  視覚的フィードを用いたドローンからドローンへの検知は、ドローンの衝突の検出、ドローンの攻撃の検出、他のドローンとの飛行の調整など、重要な応用がある。 既存の手法は計算コストがかかり、非エンドツーエンドの最適化に追随し、複雑なマルチステージパイプラインを持つため、エッジデバイス上でのリアルタイムデプロイメントには適さない。 計算効率を向上したエンドツーエンドのソリューションを提供する,シンプルで効果的なフレームワークであるitTransVisDroneを提案する。
  論文  参考訳（メタデータ） (2022-10-16T03:05:13Z)
• Drone swarm patrolling with uneven coverage requirements [22.475492500154573]
  本稿では,ドローン搭載カメラセンサによる視覚的カバレッジの最適化に焦点を当てる。 我々は、これらのカバレッジ要件を関連マップでモデル化し、Swarmをガイドする深層強化学習アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-07-01T10:58:57Z)
• Sparse and Imperceptible Adversarial Attack via a Homotopy Algorithm [93.80082636284922]
  少数の敵対的攻撃は、数ピクセルを摂動するだけでディープ・ネットワーク(DNN)を騙すことができる。 近年の取り組みは、他の等級のl_infty摂動と組み合わせている。 本稿では,空間的・神経的摂動に対処するホモトピーアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-06-10T20:11:36Z)
• Dogfight: Detecting Drones from Drones Videos [58.158988162743825]
  本稿では,他の飛行ドローンからドローンを検知する問題に対処する。 ソースとターゲットドローンのエロティックな動き、小型、任意の形状、大きな強度、および閉塞は、この問題を非常に困難にします。 これに対処するため,地域提案に基づく手法ではなく,2段階のセグメンテーションに基づく手法を提案する。
  論文  参考訳（メタデータ） (2021-03-31T17:43:31Z)

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。