Das Papier präsentiert ein Anomalie-Verhaltens-Analyse-Framework zur Erkennung von Cyberangriffen und Sensoranomalien in den Wahrnehmungssystemen autonomer Fahrzeuge. Das Framework kombiniert einen modellbasierten Ansatz mit überwachten Maschinenlernverfahren, um das normale Verhalten eines autonomen Fahrzeugsystems genau darzustellen und jegliches anomale Verhalten, das durch Wahrnehmungsangriffe verursacht wird, zu identifizieren.
Das Framework wurde anhand eines Datensatzes validiert, der aus praktischen Experimenten mit Tiefenkamera-Blendungsangriffen auf den QCar-Teststand für autonome Fahrzeuge gewonnen wurde. Die experimentelle Analyse zeigte die Machbarkeit des Frameworks.
Das Papier bietet auch den "AVP-Datensatz: Datensatz für Angriffe auf die Wahrnehmung autonomer Fahrzeuge", einen standardmäßigen und öffentlich zugänglichen Forschungsdatensatz mit normalen und abnormalen Instanzen der Fahrzeugwahrnehmung. Dieser Datensatz dient als wertvolle Ressource für die Forschungsgemeinschaft, um ihre Intrusion-Detection-Techniken effektiv zu evaluieren.
To Another Language
from source content
arxiv.org
Djupare frågor