論文の概要: Sybil-Resilient Multi-Drone Exploration of Indoor and Confined Spaces

• arxiv url: http://arxiv.org/abs/2610.33906v1
• Date: Sat, 24 Oct 2026 20:35:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-27 22:27:13.480441
• Title: Sybil-Resilient Multi-Drone Exploration of Indoor and Confined Spaces
• Title（参考訳）: 室内・閉空間の安定弾性多次元探査
• Abstract要約: Sybil攻撃では、あるドローンが偽のIDを生成します。 これらの偽のチームメイトはフロンティアを主張し、製造されたスキャンを送信する。 実際のドローンは、建物の一部を探索せずに残し、地図に存在しない壁を埋める。 我々は、床の間の開口部を封印するアタッカーを含む5人の調査を行った。
• 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: When a team of drones explores a building together, each drone tells the others which frontier it is going to and shares the map it has built. This avoids duplicated effort, but it also means that the team trusts every identity from which it receives messages. In a Sybil attack, one compromised drone creates fake identities, and these fake teammates claim frontiers and send fabricated scans, so the real drones leave parts of the building unexplored and end up with walls in their maps that do not exist. We study five such attackers, including one that seals off the openings between floors, and five levels of defence that need no security infrastructure, only the drones' own sensors and maps: an audit of received map data against what a drone sees itself, a check that a body is present where an identity claims to be, trust only for identities whose body has been seen, a quarantine for identities that no drone has observed, and a rule that binds each observed body to one identity. Tests in simulation cover 70 maps of seven kinds, from offices and tunnels to three-storey buildings and caves. Without a defence, one compromised drone leaves on average up to 25% of a map unexplored (45% in offices), and the floor-sealing attacker cuts the explored part of a three-storey building to 82.3%, or 34.6% on the worst map. The quarantine brings exploration back to the level of an unattacked team in every setting, and in most settings it also brings the false data back to that level. The exceptions are two colluding attackers, fakes placed next to real drones, three of the ten caves and a team of 16 drones, and binding bodies to identities fixes the last three. Over 2,350 missions, an honest drone was revoked by a teammate only twice.
• Abstract（参考訳）: ドローンのチームが一緒に建物を探索すると、それぞれのドローンは、それがどのフロンティアを目指すのかを他の人に伝え、構築した地図を共有します。 これは重複した労力を避けるだけでなく、メッセージを受け取るすべてのアイデンティティを信頼することを意味します。 シビル攻撃では、あるドローンが偽のIDを生成し、これらの偽のチームメイトはフロンティアを主張し、製造されたスキャンを送信する。 攻撃者は、床の間の開口部を封鎖する5つのレベル、セキュリティインフラを必要としない5つのレベル、ドローン自身のセンサーとマップ、ドローンが見ているものに対する受信マップデータの監査、身元が主張する身体が存在することの確認、身元が確認されたアイデンティティのみを信頼すること、ドローンが監視していないアイデンティティの隔離、観察された各身体を1つのアイデンティティにバインドするルールを含む5つのレベルを調査する。 シミュレーションテストでは、オフィスやトンネルから3階建ての建物や洞窟まで、70種類の7種類の地図をカバーしている。 防御がなければ、1機の無人機が探索されていない地図の25%(オフィスで45%)を平均で残し、3階建ての建物の探索部分を82.3%、最悪の地図では34.6%に削減する。 隔離はすべての設定において、攻撃を受けていないチームのレベルに調査を戻し、ほとんどの設定では、誤ったデータをそのレベルに戻します。 例外は、衝突する2人の攻撃者、本物のドローンの隣に置かれた偽物、そして10の洞窟のうち3つと16のドローンチーム、そして最後の3つのドローンに身元を拘束する死体だ。 2350回以上のミッションで、正直なドローンはチームメイトによって2回だけ取り消された。

関連論文リスト

• AG-VPReID 2025: Aerial-Ground Video-based Person Re-identification Challenge Results [64.38412449125872]
  本稿では,高高度(80-120m)の地上ReIDに焦点を当てた初の大規模ビデオベースコンペであるAG-VPReID 2025 Challengeを紹介する。 この課題は、3,027個のID、13,500個のトラックレット、UAV、CCTV、ウェアラブルカメラから取得された約370万フレームからなるAG-VPReIDデータセット上に構築された。 UAMのX-TFCLIPによる空中対地ReID設定では72.28%、地上対地ReID設定では70.77%の精度を達成した
  論文  参考訳（メタデータ） (2025-06-28T10:45:30Z)
• Drone-type-Set: Drone types detection benchmark for drone detection and tracking [0.6294091730968154]
  本稿では,認識された物体検出モデルとの比較とともに,各種ドローンのデータセットを提供する。 異なるモデルの実験結果と各手法の記載が提供される。
  論文  参考訳（メタデータ） (2024-05-16T18:56:46Z)
• Exploring Jamming and Hijacking Attacks for Micro Aerial Drones [14.970216072065861]
  Crazyflieのエコシステムは、最も人気のあるMicro Aerial Dronesの1つであり、世界中で展開される可能性がある。 本稿では,Crazy Real Time Protocol (CRTP) に対する2つの干渉攻撃について実験的に検討する。 本実験は,自律飛行モードと非自律飛行モードの両方において,このような攻撃の有効性を示すものである。
  論文  参考訳（メタデータ） (2024-03-06T17:09:27Z)
• UAVCAN Dataset Description [2.37499051649312]
  UAVCANプロトコルを用いて無人車両からの攻撃データを収集し,技術文書の公開と記述を行った。 PX4を使ってドローンでテストベッドが作られ、合計3回の攻撃、洪水、ファジィ、リプレイが行われた。 攻撃データは、ドローンのセキュリティ脅威問題を解決するために、異常検出などの技術開発に役立つと期待している。
  論文  参考訳（メタデータ） (2022-12-19T06:41:03Z)
• Unauthorized Drone Detection: Experiments and Prototypes [0.8294692832460543]
  本稿では、受信信号強度インジケータ(RSSI)と、ドローンの位置座標から生成された暗号鍵の2段階検証を利用する、新しい暗号化ベースのドローン検出方式を提案する。
  論文  参考訳（メタデータ） (2022-12-02T20:43:29Z)
• A dataset for multi-sensor drone detection [67.75999072448555]
  近年,小型・遠隔操作無人航空機(UAV)の使用が増加している。 ドローン検出に関するほとんどの研究は、取得デバイスの種類、ドローンの種類、検出範囲、データセットを特定することに失敗している。 我々は、赤外線および可視ビデオとオーディオファイルを含むドローン検出のための注釈付きマルチセンサーデータベースにコントリビュートする。
  論文  参考訳（メタデータ） (2021-11-02T20:52:03Z)
• 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)
• Multi-Drone based Single Object Tracking with Agent Sharing Network [74.8198920355117]
  マルチDroneシングルオブジェクト追跡データセットは、92のビデオクリップと113,918の高解像度フレーム、63のビデオクリップ、145,875の高解像度フレームで構成されている。 エージェント共有ネットワーク(ASNet)は、複数のドローンからターゲットの自己教師付きテンプレート共有とビューアウェア融合によって提案される。
  論文  参考訳（メタデータ） (2020-03-16T03:27:04Z)
• University-1652: A Multi-view Multi-source Benchmark for Drone-based Geo-localization [87.74121935246937]
  我々は、ドローンによるジオローカライゼーションのための新しいマルチビューベンチマーク、University-1652を紹介する。 大学1652は、世界中の1,652の大学の建物から合成ドローン、衛星、地上カメラなどの3つのプラットフォームからのデータを含んでいる。 実験の結果,University-1652は視点不変の特徴の学習を支援し,実世界のシナリオにおいて優れた一般化能力を有することが示された。
  論文  参考訳（メタデータ） (2020-02-27T15:24:15Z)
• Detection and Tracking Meet Drones Challenge [131.31749447313197]
  本稿では、オブジェクト検出・追跡データセットとベンチマークのレビューを行い、手動アノテーションによる大規模ドローンによるオブジェクト検出・追跡データセットの収集の課題について論じる。 当社のVisDroneデータセットは、中国北部から南部にかけての14の都市部と郊外部で収集されたものです。 本稿では,ドローンにおける大規模物体検出・追跡の現場の現状を詳細に分析し,今後の方向性を提案するとともに,課題を結論づける。
  論文  参考訳（メタデータ） (2020-01-16T00:11:56Z)

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。