論文の概要: High-Order Liquid Evidence Encoding for Gradual GNSS Spoofing Detection in Autonomous Driving

• arxiv url: http://arxiv.org/abs/2608.11790v1
• Date: Wed, 12 Aug 2026 08:30:17 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-13 19:07:54.520656
• Title: High-Order Liquid Evidence Encoding for Gradual GNSS Spoofing Detection in Autonomous Driving
• Title（参考訳）: 自律運転におけるGNSSスポーフィング検出のための高次液体エビデンス符号化
• Abstract要約: スポーフィング攻撃は車両の位置推定を操作できる。 既存の手法は、しばしば静的な車両の挙動に頼っている。 本研究ではスプーフィング検出のための因果的高次液体エビデンスフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 6.820140586466226
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Accurate Global Navigation Satellite System (GNSS)-based localization is essential for safe and reliable autonomous driving. However, spoofing attacks can manipulate vehicle position estimates. Continuous and subtle attacks are particularly difficult to detect because individual GNSS observations may remain plausible while the inconsistency between GNSS-implied displacement and onboard vehicle motion gradually increases. Existing methods often rely on static vehicle-behavior features or a single residual signal and do not explicitly model this evolution. To address this problem, we propose a causal high-order liquid evidence framework for GNSS spoofing detection. The method first constructs a physics-guided GNSS--motion inconsistency residual by comparing GNSS-implied displacement with onboard-motion-derived displacement. It then forms separate evidence streams for the residual level and its first- and second-order discrete variations, with relevant contextual cues selected according to the evidence order. Each stream is processed by a separate adaptive liquid encoder, and the resulting temporal states are hierarchically coupled to predict spoofing at the window endpoint using only current and past observations. Experiments on three subsets of the real-world AV-GPS dataset show that the proposed method achieves the highest F1-scores among the evaluated temporal models on Dataset~1 and Dataset~3, reaching 0.9535 and 0.9777, respectively. On Dataset~3, it detects both labeled normal-to-attack transitions within four sampling steps. Code and datasets are publicly available at: https://github.com/pangjunbiao/GNSS_Spoofing.git.
• Abstract（参考訳）: 正確なグローバルナビゲーション衛星システム(GNSS)に基づく位置決めは、安全で信頼性の高い自動運転に不可欠である。 しかし、スプーフィング攻撃は車両の位置推定を操作できる。 連続的かつ微妙な攻撃は、個々のGNSS観測が確実なままでありながら、GNSSにより実装された変位と車載機の動きの矛盾が徐々に増加するため、特に検出が困難である。 既存の手法は、しばしば静的な車両挙動の特徴や1つの残留信号に依存しており、この進化を明示的にモデル化していない。 この問題に対処するために, GNSSスプーフィング検出のための因果的高次液体エビデンスフレームワークを提案する。 本手法は、まず、GNSSにより実装された変位と車載からの変位とを比較して、物理誘導型GNSS運動不整合残差を構築する。 その後、残差レベルとその1階と2階の離散的な変動に対する別々のエビデンスストリームを形成し、エビデンス順序に従って関連するコンテキストキューが選択される。 各ストリームは別個の適応型液体エンコーダで処理され、その結果の時間状態は階層的に結合され、現在の観測と過去の観測のみを使用してウィンドウの端でスプーフィングを予測する。 実世界のAV-GPSデータセットの3つのサブセットに対する実験により,提案手法は,Dataset~1とDataset~3で評価された時間モデルのうち,それぞれ0.9535と0.9777に達した。 Dataset~3では、4つのサンプリングステップで2つのラベル付き正規対攻撃遷移を検出する。 コードとデータセットは、https://github.com/pangjunbiao/GNSS_Spoofing.git.comで公開されている。

関連論文リスト

• SuperFlow++: Enhanced Spatiotemporal Consistency for Cross-Modal Data Pretraining [62.433137130087445]
  SuperFlow++は、連続するカメラペアを使用して事前トレーニングと下流タスクを統合する新しいフレームワークである。 SuperFlow++は様々なタスクや運転条件で最先端のメソッドよりも優れています。 強力な一般化性と計算効率により、SuperFlow++は、自動運転におけるデータ効率の高いLiDARベースの認識のための新しいベンチマークを確立する。
  論文  参考訳（メタデータ） (2025-03-25T17:59:57Z)
• Stable Neighbor Denoising for Source-free Domain Adaptive Segmentation [91.83820250747935]
  擬似ラベルノイズは主に不安定なサンプルに含まれており、ほとんどのピクセルの予測は自己学習中に大きく変化する。 我々は, 安定・不安定な試料を効果的に発見する, SND(Stable Neighbor Denoising)アプローチを導入する。 SNDは、様々なSFUDAセマンティックセグメンテーション設定における最先端メソッドよりも一貫して優れている。
  論文  参考訳（メタデータ） (2024-06-10T21:44:52Z)
• 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)
• 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)
• Probabilistic detection of GNSS spoofing using opportunistic information [1.9688858888666714]
  民間の信号は通常暗号的に保護されない。 これにより、シグナルをフォッジする攻撃が比較的容易になる。 現代のデバイスではネットワーク接続やオンボードセンサーが頻繁に搭載されているため,スポフィングの確率的検出法が提案されている。
  論文  参考訳（メタデータ） (2023-05-09T12:53:07Z)
• Automated classification of pre-defined movement patterns: A comparison between GNSS and UWB technology [55.41644538483948]
  リアルタイム位置情報システム(RTLS)は、人間の動きパターンからデータを収集することができる。 本研究の目的は、小さな領域における人間の動きパターンを分類する自動化された枠組みを設計し、評価することである。
  論文  参考訳（メタデータ） (2023-03-10T14:46:42Z)
• A Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles [4.947150829838588]
  本稿では,センサフュージョンをベースとしたGNSS(Global Navigation Satellite System)スプーフィング攻撃検出フレームワークを提案する。 複数の低コストの車載センサーからのデータを融合し、リカレントニューラルネットワークモデルに入力する。 我々は,k-Nearest Neighbors (k-NN) と Dynamic Time Warping (DTW) のアルゴリズムを組み合わせて,左旋回と右旋回を検出・分類した。
  論文  参考訳（メタデータ） (2021-08-19T11:59:51Z)
• Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles [4.947150829838588]
  自律走行車のための3つの同時戦略からなる,センサフュージョンに基づく攻撃検出フレームワークを提案する。 複数の低コストの車載センサーからのデータを融合し、リカレントニューラルネットワークモデルに入力する。 我々はk-Nearest Neighbors (k-NN) と Dynamic Time Warping (DTW) のアルゴリズムを組み合わせて、操舵角センサからのデータを用いて回転を検出する。 解析の結果,センサフュージョンに基づく検出フレームワークは,必要な計算遅延閾値内で,3種類のスプーフィング攻撃をすべて検出できることがわかった。
  論文  参考訳（メタデータ） (2021-06-05T23:02:55Z)
• Video-based Person Re-identification without Bells and Whistles [49.51670583977911]
  ビデオベースの人物再識別(Re-ID)は、異なるカメラの下で歩行者を特定するために、ビデオトラッカーとトリミングされたビデオフレームをマッチングすることを目的としている。 従来の方法による不完全な検出と追跡の結果から, 収穫したトラックレットの空間的, 時間的不整合が生じている。 本稿では,深層学習に基づくトラックレットの検出と追跡を適用することで,これらの予期せぬノイズを効果的に低減できる簡易な再検出リンク(DL)モジュールを提案する。
  論文  参考訳（メタデータ） (2021-05-22T10:17:38Z)
• Prediction-Based GNSS Spoofing Attack Detection for Autonomous Vehicles [5.579370215490055]
  我々は,長期記憶(LSTM)モデルを用いた予測に基づくスプーフィング攻撃検出戦略を開発した。 現在の位置と直近の場所との間を走行する予測距離に基づいてしきい値を確立する。 分析の結果,予測に基づくスプーフ攻撃検出戦略により,リアルタイムで攻撃を検知できることが判明した。
  論文  参考訳（メタデータ） (2020-10-16T18:26:59Z)

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。