要約
自動運転車 (AV) は、自律的に移動するためにセンサーや全地球測位システム (GPS) などの通信ネットワークに大きく依存しています。
これまでの研究では、GPS などのネットワークはスプーフィングや妨害などのサイバー攻撃に対して脆弱であり、ナビゲーション エラーやシステム障害などの重大なリスクを引き起こすことが示されています。
これらの脅威は、AV の広範な導入により激化すると予想されており、そのような攻撃を検出して軽減することが重要になっています。
この論文では、AV に対する GPS スプーフィング攻撃を検出するための、異常ベースの侵入検出フレームワークである GPS 侵入検出システム (GPS-IDS) を提案します。
このフレームワークは、新しい物理ベースの車両挙動モデルを使用しており、GPS ナビゲーション モデルが従来の動的自転車モデルに統合され、正確な AV 挙動を表現します。
この動作モデルから導出された時間的特徴は、機械学習を使用して分析され、正常および異常なナビゲーション動作が検出されます。
GPS-IDS フレームワークのパフォーマンスは、AV-GPS-Dataset で評価されます。これは、AV テストベッドを使用して収集された現実世界のデータと、都市交通環境を表すシミュレートされたデータで構成される AV 用の GPS セキュリティ データセットです。
私たちの知る限り、このデータセットはこの種のものとしては初めてのものであり、そのようなセキュリティ上の課題に対処するために世界の研究コミュニティ向けに公開されました。
要約(オリジナル)
Autonomous Vehicles (AVs) heavily rely on sensors and communication networks like Global Positioning System (GPS) to navigate autonomously. Prior research has indicated that networks like GPS are vulnerable to cyber-attacks such as spoofing and jamming, thus posing serious risks like navigation errors and system failures. These threats are expected to intensify with the widespread deployment of AVs, making it crucial to detect and mitigate such attacks. This paper proposes GPS Intrusion Detection System, or GPS-IDS, an Anomaly-based intrusion detection framework to detect GPS spoofing attacks on AVs. The framework uses a novel physics-based vehicle behavior model where a GPS navigation model is integrated into the conventional dynamic bicycle model for accurate AV behavior representation. Temporal features derived from this behavior model are analyzed using machine learning to detect normal and abnormal navigation behaviors. The performance of the GPS-IDS framework is evaluated on the AV-GPS-Dataset — a GPS security dataset for AVs comprising real-world data collected using an AV testbed, and simulated data representing urban traffic environments. To the best of our knowledge, this dataset is the first of its kind and has been publicly released for the global research community to address such security challenges.
arxiv情報
著者 | Murad Mehrab Abrar,Amal Youssef,Raian Islam,Shalaka Satam,Banafsheh Saber Latibari,Salim Hariri,Sicong Shao,Soheil Salehi,Pratik Satam |
発行日 | 2024-12-17 17:31:46+00:00 |
arxivサイト | arxiv_id(pdf) |
提供元, 利用サービス
arxiv.jp, Google