无人机之魂：基于机器学习的针对无人自主车辆的隐蔽攻击框架
密码学与安全
2024-07-23 v1
摘要
在无人自主系统的车辆动力学建模中，由于传感器读取噪声、环境因素或建模误差，存在不确定性空间。我们提出了 Requiem，一种仅需软件即可实现的、黑盒方法，通过操纵传感器值在不被 onboard 异常检测器发现的情况下造成目标系统（例如无人机）显著偏离其任务参数。Requiem 框架结合了多种深度学习模型（我们称为"代理"和"欺骗器"），并针对软件-在-循环四旋翼无人机系统进行大量真实仿真。Requiem 对传感器类型或 onboard 状态估计算法类型毫无假设——只要后者是"可学习的”，即可工作。我们展示了该系统在多个任务、多个统计分析集合中的有效性。我们表明，Requiem 成功地利用了建模误差（即导致计划任务参数发生显著偏移），同时保持隐蔽性（即在偏离数十米后仍未被检测），且具有可移植性（Requiem 有望跨不同攻击和传感器类型工作）。
引用
@article{arxiv.2407.15003,
title = {Requiem for a drone: a machine-learning based framework for stealthy attacks against unmanned autonomous vehicles},
author = {Kyo Hyun Kim and Denizhan Kara and Vineetha Paruchuri and Sibin Mohan and Greg Kimberly and Jae Kim and Josh Eckhardt},
journal= {arXiv preprint arXiv:2407.15003},
year = {2024}
}