論文の概要: Structured Driving-State Narratives for Small Language Model-Based GNSS Spoofing Detection
- arxiv url: http://arxiv.org/abs/2608.17092v1
- Date: Mon, 17 Aug 2026 19:59:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-19 21:40:53.121078
- Title: Structured Driving-State Narratives for Small Language Model-Based GNSS Spoofing Detection
- Title（参考訳）: 小言語モデルに基づくGNSSスポーフィング検出のための構造化運転状態記述法
- Abstract要約: 本研究では,スプーフィング攻撃を検知・分類するためのSLM(Small Language Model)ベースのフレームワークを開発する。
このフレームワークは、独立した駆動状態や他のセンシングソースから構造化されたセマンティックな物語に変換する。
このフレームワークは、比較的少ない計算メモリリソースを必要としながら、スプーフィング攻撃をリアルタイムで検出し分類することができる。
- 参考スコア（独自算出の注目度）: 8.560939383123658
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Autonomous vehicles (AVs) depend on reliable Global Navigation Satellite System (GNSS) positioning. However, spoofed GNSS signals can induce plausible but incorrect vehicle states. This study develops a small language model (SLM)-based framework for detecting and classifying GNSS spoofing attacks by comparing vehicle behaviors independently derived from GNSS and other sensing sources. The framework converts independent driving states from GNSS and other sensing sources into structured semantic narratives that are provided to an SLM for spoofing detection and attack classification. The performance of the SLM-based framework is compared with large language models (LLMs) fine-tuned on identical training data and evaluated on the same test set. The evaluation considers five classes: no attack, overshoot attack, stopped attack, turn-by-turn attack, and wrong-turn attack. The framework is also evaluated with geographically unseen field data collected in Clemson, South Carolina, United States. Experimental results indicate that the evaluated SLMs achieve performance similar to the LLMs, achieving an average accuracy of 96.99%, precision of 99.05%, recall of 95.59%, and F1-score of 97.18%. In terms of computational efficiency and resource utilization, the SLMs demonstrate advantages over the LLMs by requiring lower inference latency and less GPU memory during both fine-tuning and inference. Evaluation using field data collected in a geographically distinct location further demonstrated its efficacy. The presented framework can detect and classify GNSS spoofing attacks in real-time while requiring relatively low computational and memory resources, and is therefore suitable for deployment on resource-constrained vehicular computing platforms.
- Abstract（参考訳）: 自律車両(AV)は、信頼性の高いグローバルナビゲーション衛星システム(GNSS)の位置に依存する。
しかし、スプーフされたGNSS信号は、可塑性だが不正な車両状態を誘導することができる。
本研究では,GNSSと他のセンシング源から独立に派生した車両行動を比較して,GNSSスプーフィング攻撃を検出し,分類するためのSLMベースのフレームワークを開発する。
このフレームワークは、GNSSや他のセンシングソースからの独立な駆動状態を、スプーフィング検出および攻撃分類のためのSLMに提供される構造化されたセマンティックな物語に変換する。
SLMベースのフレームワークの性能は、同一のトレーニングデータに基づいて微調整された大規模言語モデル(LLM)と比較され、同じテストセットで評価される。
評価では、攻撃なし、過剰攻撃、停止攻撃、ターンバイターン攻撃、不正ターン攻撃の5つのクラスが考慮されている。
このフレームワークは、アメリカ合衆国サウスカロライナ州クレムソンで収集された地理的に見えないフィールドデータでも評価されている。
実験の結果、評価されたSLMはLLMと同等の性能を示し、平均精度96.99%、精度99.05%、リコール95.59%、F1スコア97.18%を達成した。
計算効率と資源利用の観点から、SLMは、微調整と推論の両方において、低推論レイテンシと低GPUメモリを必要とすることで、LLMよりも利点を示す。
地理的に異なる場所で収集されたフィールドデータによる評価は、その有効性をさらに証明した。
提案フレームワークは,比較的少ない計算資源とメモリリソースを必要としながら,GNSSスプーフィング攻撃をリアルタイムに検出・分類することが可能であり,そのため,資源制約された車載コンピューティングプラットフォームへの展開に適している。
関連論文リスト
- LLM-based Agents for Forecasting and Prediction: Methods, Training, Evaluation, and Applications [76.41731220830714]
大規模言語モデル(LLM)は、言語ベースの推論と時間的データ、エビデンス検索、外部ツール、反復予測を組み合わせた予測システムをサポートするようになった。
ファイナンス、天気、健康、エネルギー、オペレーションの応用について検討し、評価に使用されるベンチマークとデータセットを要約する。
論文 参考訳（メタデータ） (2026-08-24T10:02:39Z) - High-Order Liquid Evidence Encoding for Gradual GNSS Spoofing Detection in Autonomous Driving [6.820140586466226]
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。
論文 参考訳（メタデータ） (2026-08-12T08:30:17Z) - Development of Vision-Language Model-based GNSS Spoofing Detection for Autonomous Vehicle Navigation [10.15536470870511]
自動運転車のスプーフィング検出のためのVLM(Vision-Language Model)ベースのフレームワークを開発した。
提案手法では3段階の微調整プロセスを導入し,まず視覚的手がかりを抽出し,センサデータを校正する。
その結果,VLMをベースとしたアプローチは,すべての不正ターンと停止攻撃を正しく分類し,オーバーシュート攻撃の精度は88%～93%であった。
論文 参考訳（メタデータ） (2026-07-27T03:20:08Z) - Region Matters: Efficient and Reliable Region-Aware Visual Place Recognition [46.97190804063947]
本稿では,ロバストな識別領域モデリングと適応的再ランク付けを組み合わせたFoL++を提案する。
FoL++は、軽量なメモリフットプリントで最先端のパフォーマンスを実現し、FoLよりも推論速度を40%向上させる。
論文 参考訳（メタデータ） (2026-04-24T09:28:35Z) - GNSS Spoofing Detection Based on Opportunistic Position Information [1.9688858888666714]
位置に基づく攻撃検出スキーム(PADS)は、位置の回帰分析と不確実性分析を利用する確率的フレームワークである。
PADSは偽陽性率の3倍の正の値を得る。
論文 参考訳（メタデータ） (2025-06-14T17:27:06Z) - 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) - Revisiting Few-Shot Object Detection with Vision-Language Models [49.79495118650838]
我々は、最近の基礎視覚言語モデル(VLM)の文脈で、少数ショットオブジェクト検出(FSOD)のタスクを再考する。
我々は,任意の外部データ上で事前学習された検出器を評価する新しいベンチマークプロトコルであるFoundational FSODを提案する。
CVPR 2024 Foundational FSOD コンペティションについて論じ,コミュニティからの洞察を共有した。
論文 参考訳（メタデータ） (2023-12-22T07:42:00Z) - 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) - On the Effective Usage of Priors in RSS-based Localization [56.68864078417909]
本稿では、受信信号強度(RSS)指紋と畳み込みニューラルネットワークに基づくアルゴリズムLocUNetを提案する。
本稿では,密集市街地における局所化問題について検討する。
まず,LocUNetがRx位置やRxの事前分布を学習し,トレーニングデータから送信者(Tx)アソシエーションの好みを学習し,その性能を評価できることを示す。
論文 参考訳（メタデータ） (2022-11-28T00:31:02Z) - Higher Performance Visual Tracking with Dual-Modal Localization [106.91097443275035]
Visual Object Tracking (VOT)は、堅牢性と正確性の両方に同期性を必要とする。
ONRによるロバストなローカリゼーション抑制器とOFCによるターゲットセンターへの正確なローカリゼーションにより、ターゲットローカリゼーションのためのデュアルモーダルフレームワークを提案します。
論文 参考訳（メタデータ） (2021-03-18T08:47:56Z) - 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) - Collaborative Training between Region Proposal Localization and
Classification for Domain Adaptive Object Detection [121.28769542994664]
オブジェクト検出のためのドメイン適応は、ラベル付きデータセットからラベル付きデータセットへの検出を適応させようとする。
本稿では,地域提案ネットワーク (RPN) と地域提案分類器 (RPC) が,大きなドメインギャップに直面した場合の転送可能性が大きく異なることを初めて明らかにする。
論文 参考訳（メタデータ） (2020-09-17T07:39:52Z)
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。