GPS Attack Detection and Mitigation for Safe Autonomous Driving using Image and Map based Lateral Direction Localization

要約

車両位置特定の精度と堅牢性は、安全で信頼性の高い高レベルの自律性を実現するために重要です。
最近の結果では、GPS は自動運転に対する大きな脅威の 1 つであるスプーフィング攻撃に対して脆弱であることが示されています。
この論文では、車両の正確な位置特定を保証するために、車載カメラと高精度地図を利用した、GPS 攻撃に対する新しい異常検出および軽減方法を提案します。
まず、カメラベースの車線検出とマップマッチングにより、走行車線における横方向の位置特定をそれぞれ計算します。
次に、GPS スプーフィング攻撃のリアルタイム検出器を開発し、位置データを評価します。
攻撃が検出されると、GPS 攻撃を軽減し、位置特定精度を向上させるために、アンセンテッド カルマン フィルターを使用したマルチソース フュージョン ベースの位置特定方法が導出されます。
提案された方法は、Carla シミュレーターとオープンソースの公開データセットのさまざまなシナリオで検証され、タイムリーな GPS 攻撃の検出とデータ回復における有効性が実証されています。

要約(オリジナル)

The accuracy and robustness of vehicle localization are critical for achieving safe and reliable high-level autonomy. Recent results show that GPS is vulnerable to spoofing attacks, which is one major threat to autonomous driving. In this paper, a novel anomaly detection and mitigation method against GPS attacks that utilizes onboard camera and high-precision maps is proposed to ensure accurate vehicle localization. First, lateral direction localization in driving lanes is calculated by camera-based lane detection and map matching respectively. Then, a real-time detector for GPS spoofing attack is developed to evaluate the localization data. When the attack is detected, a multi-source fusion-based localization method using Unscented Kalman filter is derived to mitigate GPS attack and improve the localization accuracy. The proposed method is validated in various scenarios in Carla simulator and open-source public dataset to demonstrate its effectiveness in timely GPS attack detection and data recovery.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google