論文の概要: Rigid-Covert GNSS Spoofing of UAV Swarms: A Structural Blind Spot, Its Detection Limit, and Absolute-Anchor Defenses
- arxiv url: http://arxiv.org/abs/2608.06885v1
- Date: Fri, 07 Aug 2026 07:15:55 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-10 16:21:25.384987
- Title: Rigid-Covert GNSS Spoofing of UAV Swarms: A Structural Blind Spot, Its Detection Limit, and Absolute-Anchor Defenses
- Title（参考訳）: UAVスワムの剛体変換型NSSスポウティング:構造的ブラインドスポット,検出限界,絶対アンカー防御
- Abstract要約: 協力的なUAV-s防衛は、通常、測定されたドローン間幾何学に対する位置を横断的にチェックする。
共通でゆっくりと変化する変換(剛体被覆シフト、RigidShift)は、全ての対距離を保ち、従って、相対ウォームのみの検出器では観測できない。
本研究では,流体間距離からSwarm形状を再構築する集中型アンカールート回収パイプラインを提案する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cooperative UAV-swarm defenses commonly cross-check GNSS positions against measured inter-drone geometry. We show that this relative-geometry channel has a structural blind spot: a common, slowly varying translation (a rigid-covert shift, RigidShift) preserves all pairwise distances and is therefore unobservable to any relative-only detector (a gauge-freedom argument). We validate this blindness on distance-verification and semidefinite-feasibility baselines, while explicitly distinguishing it from onboard inertial/GNSS monitors that can raise a bare alarm but cannot recover the swarm's true position. To quantify when an external reference restores observability, we derive the drift-dependent detection floor $2γ/(1-t_s/T)$ for a calibrated anchor-residual detector and empirically identify an additional detector-specific noise floor (measured slope 2.66 vs. predicted 2.67). We then present a centralized anchor-rooted recovery pipeline that reconstructs swarm geometry from inter-drone ranges, aligns it to a trusted-anchor subset with Byzantine-robust fitting, and recovers the absolute positions of non-anchored drones. A segmented estimator jointly estimates anchor drift, attack rate, and onset when no clean-epoch label is available. Across statistical simulations, ArduPilot software-in-the-loop experiments, and Gazebo experiments with rendered vision anchors, the method recovers the positions of non-anchored drones to a median error of 0.39 m (20 seeds) under approximately 10.1 m of GNSS drift, and to 7.1 cm (5 seeds) in the rendered-vision multi-SITL setting. We also characterize the explicit limits imposed by non-collinear anchor geometry, anchor coverage, $τ\to0$ drift-attack aliasing, and majority anchor compromise. All evaluations are simulation-based and use no RF spoofing hardware or physical swarm.
- Abstract（参考訳）: 共同UAV-swarm防衛は、通常、計測されたドローン間幾何に対してGNSSの位置を横断的にチェックする。
共通でゆっくりと変化する変換(剛体被覆シフト、リギッドシフト)は、全ての対距離を保ち、従って、相対的のみの検出器(ゲージフリーダムの議論)には観測不可能である。
我々は、この盲点を距離検証と半確定実現可能性ベースラインで検証し、オンボードの慣性/GNSSモニターと明確に区別し、ベアアラームを起すことができるが、Swarmの真の位置を回復できない。
外部基準が可観測性を回復する際の定量化のために、キャリブレーションされたアンカー残留検出器に対してドリフト依存検出フロア2γ/(1-t_s/T)$を導出し、追加の検出器固有のノイズフロアを実証的に同定する(測定されたスロープ2.66対予測2.67)。
次に、中央集権的なアンカールートリカバリパイプラインを提案し、このパイプラインは、ドローン間距離からSwarmジオメトリを再構築し、ビザンチンロバストフィッティングによる信頼性アンカーサブセットに整列し、非アンカードローンの絶対位置を復元する。
セグメント推定器は、クリーンエポックラベルが利用できない場合、アンカードリフト、アタックレート、およびオンセットを共同で推定する。
統計シミュレーション、ArduPilotのソフトウェア・イン・ザ・ループ実験、およびガゼボでのレンダリング・ビジョン・アンカーを用いたガゼボ実験では、約10.1mのGNSSドリフトにおける0.39m(20種)の中央誤差と、レンダリング・ビジョン・マルチSITL設定における7.1cm(5種)の位置を復元する。
また、非線形アンカー幾何、アンカーカバレッジ、$τ\to0$ドリフトアタックエイリアス、および多数アンカー妥協によって課される明示的な制限を特徴付ける。
全ての評価はシミュレーションベースであり、RFスプーフィングハードウェアや物理的スウォームは使用しない。
関連論文リスト
- Marker-Constrained Pose-Graph Correction for Cross-Platform Georeferencing in GNSS-Denied Environments [0.20391237204597365]
本稿では,CSR(Cholesteric Spherical Reflectors)から作製したカモフラージュマッチングフィデューシャルマーカーを,事前サーベイド視覚アンカーとして用いる枠組みを提案する。
アンカーは、軽量なオドメトリー軌道と高密度のRTAB-Map再構成の両方をジオレフレクションし、それらの出力を共通のLUREFフレームで表現する。
本研究は,UGVおよびUAV動作を模擬した地上および高位モーションプロファイルを用いた2回のハンドヘルド取得セッションを用いて評価する。
論文 参考訳（メタデータ） (2026-08-17T08:52:54Z) - Trajectory-Anchor Optimization for Overconfident Thermal Visual Place Recognition: Zero-Leakage OOD Auditing and Kidnapped-Robot Recovery [3.9929096403817255]
Trajectory-Anchor Optimization (TAO) はマクロスケールでの効率的なフェールセーフフィルタである。
5mの半径内では、幻覚はしばしば固いアライメントを知覚する局所的に一貫した幾何学を持つ。
TAOは、多視点の一貫性が破滅的な地形破壊を確実に分離する、明確な収束盆地(10m)を確立している。
論文 参考訳（メタデータ） (2026-07-06T07:31:37Z) - What Accuracy and Gradient Cosine Miss: Evaluating Feedback Alignment via Scale Stability, Reference Validity, and Depth Utility [48.10132234701036]
本稿では,3つのチェック(スケール安定性,参照妥当性,深度ユーティリティ)に基づく診断評価プロトコルを提案する。
複数のアーキテクチャや手法にまたがって、我々のプロトコルは広い校正マージンを持つ全ての障害を識別する。
論文 参考訳（メタデータ） (2026-06-19T06:04:17Z) - High-Dimensional Latents Should Be Diagnosed Through Phase Structure [56.362776482614976]
スピングラス理論のレンズによるオートエンコーダと変分オートエンコーダの潜在空間について検討した。
固定復号器用の潜時空間スピングラス辞書を定式化する。
トポロジカルな自明化機構のエッジ・オブ・ステイティに向けて潜伏系を駆動することは、下流に具体的な結果をもたらすことを示す。
論文 参考訳（メタデータ） (2026-05-23T06:17:23Z) - Amplifying, Not Learning: Fine-Tuned AI Text Detectors Amplify a Pretrained Direction [51.56484100374058]
テキスト検出器は、事前訓練された典型軸を増幅する。
タスク監督前の生エンコーダでは、3つのアーキテクチャでNYT-vs-HC3 AUROC 0.806/0.944/0.834を達成する。
RoBERTaベースでは、生のプロジェクションは微調整を超えるが、RoBERTaベースでは、フル微調整は、試験された流線型人口の双方で生よりも識別を小さくする。
論文 参考訳（メタデータ） (2026-05-20T19:08:38Z) - Uncertainty-Aware 3D Position Refinement for Multi-UAV Systems [0.3867363075280543]
本稿では, 無人航空機の局部推定値を, 近隣の共有状態サマリーやUAV間距離, 近接制約と組み合わせることで, 頑健性を向上する分散軽量な3次元位置補正層を提案する。
提案手法は, 冷間開始時の平均局所化誤差を著しく低減し, 局所推定器が安定化した後も競争力を保ち, 信頼のない核融合と比較して悪質ノードの割合が増加するにつれて, 低い誤差を保ち続けることを示す。
論文 参考訳（メタデータ） (2026-05-13T13:22:14Z) - TACO: Trajectory Aligning Cross-view Optimisation [13.162763356411448]
クロスビュー・ジオローカライゼーションは地上画像と衛星タイルとを一致させて絶対的な位置修正を行う。
近年の細粒化CVGL法は, サブタイル式メートル法を推し進めているが, ワンショットローカライザーとしてのみ評価されている。
TACOは密結合型IMU+細粒化CVGLパイプラインであり,起動時に1回の読み取りを消費し,その後,オンボードセンシングのみで動作させる。
論文 参考訳（メタデータ） (2026-05-05T03:04:49Z) - Unifying UAV Cross-View Geo-Localization via 3D Geometric Perception [51.687842983240564]
無人航空機(UAV)のクロスビューな地上局地化は、斜めのUAV画像と衛星地図との厳密な幾何学的相違により、いまだに困難である。
本稿では,3次元シーン形状を明示的にモデル化し,粗い位置認識ときめ細かなポーズ推定を統一する,幾何認識型UAV測位フレームワークを提案する。
提案手法は, 最先端のベースラインを著しく上回り, ロバストメータレベルのローカライゼーション精度を実現し, 複雑な都市環境における一般化を向上する。
論文 参考訳（メタデータ） (2026-04-02T08:08:41Z) - Seeing Where to Deploy: Metric RGB-Based Traversability Analysis for Aerial-to-Ground Hidden Space Inspection [48.120690574682875]
本稿では,RGBを用いた幾何学的意味的再構成と,空中から地上への隠れ空間検査のためのトラベル可能性解析フレームワークを提案する。
テザリングされたUAV-UGVプラットフォームでの実験では、隠れた空間シナリオにおける信頼性の高いデプロイメントゾーンの識別が示されている。
論文 参考訳（メタデータ） (2026-03-15T22:20:59Z) - Unsupervised LiDAR-Based Multi-UAV Detection and Tracking Under Extreme Sparsity [2.3646560222366695]
非繰り返し固体LiDARスキャンは、空中UAVを検出するための極めてスパースな測定条件をもたらす。
ラベル付きトレーニングデータを必要とせずに、検出とトラッキングの両方に対処する、教師なしのLiDARのみのパイプラインを導入します。
論文 参考訳（メタデータ） (2026-03-12T06:19:51Z) - Extending RAIM with a Gaussian Mixture of Opportunistic Information [1.9688858888666714]
元の受信機自動整合性監視(RAIM)は安全のために設計されていない。
我々は、地上インフラや搭載センサーから得られるすべての機会情報、すなわち計測情報を組み込むことでRAIMを拡張した。
本研究の目的は,拡張RAIM溶液から得られる位置を解析し,スプーフィングの可能性を評価することである。
論文 参考訳（メタデータ） (2024-02-05T19:03:18Z) - To Make Yourself Invisible with Adversarial Semantic Contours [47.755808439588094]
逆セマンティック・コンター(英: Adversarial Semantic Contour、ASC)は、物体の輪郭の前に騙されたスパース・アタックのベイズ的定式化の見積もりである。
ASCは、異なるアーキテクチャを持つ9つの近代検出器の予測を損なう可能性があることを示す。
我々は、様々なアーキテクチャを持つ物体検出器の共通弱点である輪郭について注意を払って結論付けた。
論文 参考訳（メタデータ） (2023-03-01T07:22:39Z)
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。