본 논문은 자율주행 차량의 지각 센서 공격을 탐지하기 위한 이상 행동 분석 프레임워크를 제안한다.
자율주행 차량의 지각 시스템은 카메라, LiDAR, 소나, 레이더 등 다양한 센서에 의존하며, 이러한 센서들은 사이버 공격에 취약하다. 최근 연구에서는 이러한 지각 센서에 대한 다양한 공격 기법이 제시되었다.
기존 접근법은 센서 중복성, 차량 간 통신, 센서 융합 등을 활용하지만 한계가 있다. 따라서 본 논문은 특정 센서나 다른 차량에 의존하지 않는 더 포괄적인 솔루션이 필요하다고 주장한다.
제안하는 이상 행동 분석 프레임워크는 물리 기반 자율주행 차량 행동 모델과 기계 학습 알고리즘을 결합하여 정상적인 지각 행동을 나타내고, 이를 기반으로 비정상적인 행동을 탐지한다.
실험에서는 Quanser 자율주행 차량 플랫폼을 사용하여 깊이 카메라 블라인딩 공격을 수행하고, 이를 통해 AVP-Dataset이라는 공개 데이터셋을 구축하였다.
실험 결과, 제안한 프레임워크가 지각 센서 공격을 효과적으로 탐지할 수 있음을 보였다.
他の言語に翻訳
原文コンテンツから
arxiv.org
深掘り質問