SLAMSpoof：基于扫描匹配漏洞分析的对定位系统的实用 LiDAR 欺骗攻击

精确的定位对于实现现代完全自动驾驶服务至关重要。这些服务严重依赖基于地图的交通信息，以降低识别车道形状、交通灯位置和交通标志时的不确定性。要达到对地图信息的这种依赖程度，需要厘米级的定位精度，目前这仅能通过 LiDAR 传感器实现。然而，已知 LiDAR 容易受到欺骗攻击，此类攻击通过向 LiDAR 发射恶意激光来覆盖其测量数据。一旦定位被破坏，攻击者可能引导受害车辆驶离道路或使其忽略交通灯。出于这些严重的安全隐患，我们设计了 SLAMSpoof，这是首个针对自动驾驶定位系统的实用 LiDAR 欺骗攻击，旨在评估其对自动驾驶车辆的实际攻击影响。SLAMSpoof 能够基于我们提出的扫描匹配漏洞评分（SMVS）有效找到有效的攻击位置，SMVS 是一种表示潜在欺骗攻击漏洞的逐点度量指标。为了评估攻击的有效性，我们在地面车辆上进行了真实世界实验，并证实了其在真实场景中的高能力，对所有 3 种流行的基于 LiDAR 的定位算法均引发了 $\geq$4.2 米的定位误差（超过典型车道宽度）。我们最后讨论了针对该攻击的潜在对策。代码可在 https://github.com/Keio-CSG/slamspoof 获取。