Stealthy Perception-based Attacks on Unmanned Aerial Vehicles

要約

本研究では、無人航空機(UAV)が知覚に基づく制御に対するステルス攻撃に対して脆弱であることを研究する。具体的には、($i$)地上車両追跡(GVT)、($ii$)移動する地上車両へのクアッドコプターの垂直離着陸(VTOL)の2つのミッションについて考察する。具体的には、センサーの計測値とカメラ画像の両方を時間経過とともに一貫して攻撃することで、ステルス性（配置された異常検知器に検知されない）を維持しながら、制御性能の低下（ミッションの失敗など）を引き起こす手法を紹介します。既存の攻撃は、主にディープニューラルネットワークの小さな入力摂動に対する脆弱性（例えば、画像に小さなパッチやノイズを加えるなど）に依存しているが、我々は、地上車両の着陸マーカーの画像を変更し、適切にセンシングデータを改ざんすることによって、ステルスかつ有効な攻撃を設計できることを示す。また、Gazebo 3Dロボットシミュレータを用いて、本攻撃の有効性を説明する。

要約(オリジナル)

In this work, we study vulnerability of unmanned aerial vehicles (UAVs) to stealthy attacks on perception-based control. To guide our analysis, we consider two specific missions: ($i$) ground vehicle tracking (GVT), and ($ii$) vertical take-off and landing (VTOL) of a quadcopter on a moving ground vehicle. Specifically, we introduce a method to consistently attack both the sensors measurements and camera images over time, in order to cause control performance degradation (e.g., by failing the mission) while remaining stealthy (i.e., undetected by the deployed anomaly detector). Unlike existing attacks that mainly rely on vulnerability of deep neural networks to small input perturbations (e.g., by adding small patches and/or noise to the images), we show that stealthy yet effective attacks can be designed by changing images of the ground vehicle’s landing markers as well as suitably falsifying sensing data. We illustrate the effectiveness of our attacks in Gazebo 3D robotics simulator.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL