基于深度学习视频帧插值的监控摄像头物理完整性攻击检测
密码学与安全
2019-06-18 v1 人工智能
摘要
监控摄像头作为信息物理系统（Cyber Physical System）的一种形式，被广泛部署以提供对感兴趣活动或异常行为的视觉监控。然而，这些摄像头面临针对其物理属性或配置（如记录覆盖范围、摄像头位置或焦距与缩放系数等记录配置）的物理安全攻击风险。此类物理配置的对抗性篡改也可通过针对摄像头软件漏洞的网络安全攻击来远程更改其物理配置设置而引发。当此类信息物理攻击发生时，会影响目标摄像头的完整性，进而使这些摄像头无法有效履行预期的安全功能。针对此类信息物理设备的网络攻击检测机制已有大量研究工作，但针对物理配置完整性攻击的检测机制仍属研究不足领域。本研究提出新颖地使用深度学习算法来检测源自网络或物理空间的此类物理攻击。此外，我们提出新颖地使用基于深度学习的视频帧插值进行检测，其在时空环境中的性能优于其他异常检测器。
引用
@article{arxiv.1906.06475,
title = {Physical Integrity Attack Detection of Surveillance Camera with Deep Learning Based Video Frame Interpolation},
author = {Jonathan Pan},
journal= {arXiv preprint arXiv:1906.06475},
year = {2019}
}
备注
7 pages