MARS: Defending Unmanned Aerial Vehicles From Attacks on Inertial Sensors with Model-based Anomaly Detection and Recovery

要約

無人航空機（UAV）は、安定した飛行を維持するために慣性計測装置（IMU）からの計測に依存しています。しかし、IMUは音響共振や電磁干渉などの物理的な攻撃を受けやすく、その結果、UAVは即座に墜落します。その結果、UAVが慣性センサに対する敵対的な攻撃を迅速に検出し、動的な飛行回復を達成することを可能にするモデルベースの異常検出および回復システム（MARS）を紹介します。MARSは、拡張カルマンフィルタに基づく攻撃に強い状態推定器を特徴としており、位置、速度、方位、ローター速度の計測値を組み込んで、UAV制御のための正確な姿勢と角速度情報を再構築します。さらに、統計的異常検知システムがIMUセンサーデータを監視し、攻撃が検知された場合にはシステムレベルのアラートを発する。アラートを受信すると、多段階の動的飛行回復戦略により、進行中のミッションを中断し、ホバリング状態でドローンを安定させ、回復制御の下でタスクを再開する。PX4ソフトウェア・イン・ザ・ループ環境および実世界のMARS-PX4オートパイロット搭載ドローンでの実験結果は、既存のIMU防御フレームワークに対する我々のアプローチの優位性を実証し、UAVが攻撃を生き残り、ミッションを完了する能力を示している。

要約(オリジナル)

Unmanned Aerial Vehicles (UAVs) rely on measurements from Inertial Measurement Units (IMUs) to maintain stable flight. However, IMUs are susceptible to physical attacks, including acoustic resonant and electromagnetic interference attacks, resulting in immediate UAV crashes. Consequently, we introduce a Model-based Anomaly detection and Recovery System (MARS) that enables UAVs to quickly detect adversarial attacks on inertial sensors and achieve dynamic flight recovery. MARS features an attack-resilient state estimator based on the Extended Kalman Filter, which incorporates position, velocity, heading, and rotor speed measurements to reconstruct accurate attitude and angular velocity information for UAV control. Moreover, a statistical anomaly detection system monitors IMU sensor data, raising a system-level alert if an attack is detected. Upon receiving the alert, a multi-stage dynamic flight recovery strategy suspends the ongoing mission, stabilizes the drone in a hovering condition, and then resumes tasks under the resilient control. Experimental results in PX4 software-in-the-loop environments as well as real-world MARS-PX4 autopilot-equipped drones demonstrate the superiority of our approach over existing IMU-defense frameworks, showcasing the ability of the UAVs to survive attacks and complete the missions.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL