GNSS spoofing
PulseAugur coverage of GNSS spoofing — every cluster mentioning GNSS spoofing across labs, papers, and developer communities, ranked by signal.
-
新框架增强了对自动驾驶中细微GPS欺骗的检测能力
研究人员开发了一个名为高阶液体证据编码的新框架，以提高对自动驾驶系统中渐进式GNSS欺骗攻击的检测能力。该方法解决了细微攻击的挑战，在这种攻击中，单个GPS读数仍然是合理的，但与车辆运动的不一致会随着时间的推移而累积。通过分析残差信号及其通过自适应液体编码器的变化，该框架旨在提供更强大、更及时的检测这些不断演变的威胁。在AV-GPS数据集上的实验表明，该方法在识别欺骗转换方面具有较高的F1分数，证明了其有效性。
-
视觉语言模型增强自动驾驶汽车GNSS欺骗检测能力
研究人员开发了一种新颖的方法，通过将视觉语言模型（VLM）与车内传感器数据相结合，来检测自动驾驶汽车中的全球导航卫星系统（GNSS）欺骗攻击。该方法融合了前置摄像头视觉信息以及速度和加速度等传感器读数，以识别车辆操控中的差异。该系统经过了三阶段的微调，并在阿拉巴马州塔斯卡卢萨收集的真实世界数据集上进行了验证，证明了在检测准确性方面的显著提高，尤其是在错误转弯和停止攻击方面。
-
新的强化学习框架提升无人机防御欺骗攻击能力
研究人员开发了一种新的课程引导适应框架，用于自主无人机中的强化学习（RL）。该方法旨在提高无人机导航在对抗性攻击（如可能破坏值估计和降低性能的GNSS欺骗）下的鲁棒性。通过逐步将强化学习策略暴露于不同强度的对抗性扰动，并对时序差分误差分布进行对齐，该框架提高了在不同攻击条件下的可迁移性。在模拟无人机冲突避免环境中的评估表明，与标准和现有的鲁棒强化学习基线相比，即使面对先前未见的攻击类型，任务成功率和奖励也得到了显著提高。