DEMO: RTKiller -- manipulation of GNSS RTK rovers by reference base spoofing
该演示提出 RTKiller,展示通过欺骗 GNSS RTK 参考站操纵其 PNT 解,可导致依赖该站的流动站丢失基线固定或定位精度退化。
2024-05-17 cs.CR
Deep Sequence-to-Sequence Models for GNSS Spoofing Detection
Department of Cybernetics University of West Bohemia(控制系 西波西米亚大学)
提出一种数据生成框架模拟全球欺骗攻击,利用LSTM和Transformer架构的深度学习模型进行在线检测,最佳模型错误率仅0.16%。
2025-10-22 cs.CR cs.LG
Probabilistic detection of GNSS spoofing using opportunistic information
本文提出基于机会信息的GNSS欺骗概率检测(PDS)方案,结合运动模型约束回归与高斯过程构建不确定性,并通过Neyman-Pearson引理实现检测,实验证明其检测有效性优于现有方法。
2025-05-11 cs.CR eess.SP
GNSS Spoofing in Mobile Devices: A Survey on Impact and Countermeasures
Northeastern University(东北大学);Politecnico di Torino(都灵理工大学)
本文针对智能手机GNSS欺骗攻击,提出了一项新颖的综述,建立了攻击效果与对策的分类法,回顾了漏洞特征化历史,并概述了检测与对抗技术,为移动平台上的对策选择提供了比较框架。
2026-10-02 cs.CR cs.SY eess.SP
GNSS Spoofing Threat for V2X communications
Institute for Automobile Research (INSIA), Universidad Politécnica de Madrid(马德里理工大学汽车研究所);ETSI Sistemas Informáticos, Universidad Politécnica de Madrid(马德里理工大学计算机系统工程学)
本文提出利用廉价软件定义无线电(SDR)对V2X通信实施GNSS欺骗攻击的方法,并在真实设备上验证了攻击效果,揭示了V2X通信易受欺骗且难以检测的安全漏洞。
2026-06-19 cs.CR
GNSS SpAmming: a spoofing-based GNSS denial-of-service attack
National Institute for Aerospace Technology (INTA)(国家航空航天技术研究所)
本文提出了一种结合干扰和欺骗的新型GNSS攻击SpAmming,通过CDMA多路复用特性使接收器失去合法卫星信号,从而实现拒绝服务,展示了其在不同接收器状态下的有效性及可能的防御措施。
2026-02-05 cs.CR eess.SP
GNSS Spoofing Detection via Opportunistic IRIDIUM Signals
在本文中,我们研究了私有的IRIDIUM卫星星座,以提供独立于GNSS的定位服务。特别是,我们应用我们的研究结果提出了一个新的GNSS欺骗检测解决方案,利用未加密的IRIDIUM环警报(IRA)的消息,由IRIDIUM卫星广播。我们首先对IRIDIUM卫星星座的许多参数进行逆向工程,例如卫星速度、数据包到达间隔时间、最大卫星覆盖范围、卫星通过持续时间和卫星波束星座等。随后,我们采用上述统计数据来创建卫星网络的详细模型。随后,我们提出了一个解决方案,以检测目标用户从他的路径的意外偏差,由于GNSS欺骗攻击。我们表明,我们的解决方案可以有效地用于验证从标准GNSS卫星星座估计的位置,我们提供的约束条件和参数,以适应几个应用场景。本文报告的所有结果,同时显示了我们的建议的质量和可行性,由真实数据支持。特别是,我们已经收集和分析了数十万的IRA消息,这要归功于持续数天的测量活动。所有收集的数据($1000+$小时)都已提供给研究界。我们的解决方案特别适合无人值守的场景,如沙漠、农村地区或公海,由于部署限制,无法使用依靠众包的标准欺骗检测技术。此外,与竞争解决方案相反,我们的方法不诉诸物理层信息,专用硬件,或多个接收站,同时只利用单个接收天线和公开可用的IRIDIUM传输。最后,还强调了新的研究方向。
2020-06-18 cs.CR eess.SP
Prediction-Based GNSS Spoofing Attack Detection for Autonomous Vehicles
University of Alabama(阿拉巴马大学);Clemson University(克莱姆森大学)
全球导航卫星系统(GNSS)使用卫星和无线电通信为自动驾驶车辆(AV)提供定位、导航和定时(PNT)服务。由于缺乏加密,粗采集(C/A)代码的开放访问以及信号强度低,GNSS容易受到欺骗攻击,从而损害AV的导航能力。欺骗攻击难以检测,因为欺骗者(执行欺骗攻击的攻击者)可以模仿GNSS信号并向AV发送不准确的位置坐标。在这项研究中,我们开发了一个基于预测的欺骗攻击检测策略,使用长短期记忆(LSTM)模型,一个循环神经网络模型。LSTM模型用于预测自动驾驶车辆的两个连续位置之间的行驶距离。为了开发LSTM预测模型,我们使用了一个公开的真实世界comma 2k 19驱动数据集。训练数据集包含不同的特征(即,加速度、方向盘角度、速度和在两个连续位置之间行进的距离),所述加速度、方向盘角度、速度和距离是从AV的受控区域网络(CAN)、GNSS和惯性测量单元(IMU)传感器提取的。基于在自主车辆的当前位置和不久的将来位置之间行进的预测距离,使用GNSS设备的定位误差和预测误差(即,最大绝对误差)与当前位置和最近的未来位置之间行进的距离有关。分析表明,基于预测的欺骗攻击检测策略可以成功地实时检测到攻击。
2020-10-16 cs.CR cs.LG cs.RO
Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles
University of Alabama(阿拉巴马大学);Clemson University(克莱姆森大学)
在这项研究中,提出了一种基于传感器融合的GNSS欺骗攻击检测框架,该框架由三个并发策略组成:(i)预测位置偏移,(ii)检测转弯(左或右),以及(iii)识别运动状态(包括静止状态)。来自多个低成本车载传感器的数据(即,加速度计、转向角传感器、速度传感器和GNSS)被融合并馈送到递归神经网络模型中,该递归神经网络模型是用于预测位置偏移的长短期记忆(LSTM)网络,即,AV在两个连续的时间戳之间行进的距离。然后,我们结合了k-最近邻(k-NN)和动态时间规整(DTW)算法,使用转向角传感器的数据来检测转弯。此外,来自AV的速度传感器的数据用于识别AV的运动状态,包括静止状态。为了证明基于传感器融合的攻击检测框架的有效性,使用公开的真实世界本田研究所驾驶数据集(HDD)为三种独特而复杂的欺骗攻击创建了攻击数据集。我们的分析表明,基于传感器融合的检测框架成功地检测到所有三种类型的欺骗攻击所需的计算延迟阈值内。
2021-06-05 cs.CR cs.LG cs.RO
GNSS Spoofing Detection in TDD Networks: A 3GPP Standards-Based Security Framework
Ericsson(爱立信)
研究TDD网络中GNSS欺骗检测问题,提出基于3GPP标准的检测和监控框架,引入定时警报等机制,经蒙特卡洛模拟,在特定条件下检测概率超95%,误报率低于1%,无需新接口,通过场景分析验证,为TDD网络安全提供保障。
2026-07-14 cs.CR cs.NI
A Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles
The University of Alabama(阿拉巴马大学);MicroVision Inc.(MicroVision公司);Clemson University(克莱姆森大学)
本文提出了一种基于传感器融合的自主车辆(AV)全球导航卫星系统(GNSS)欺骗攻击检测框架,该框架由两个并发策略组成:(i)使用预测的位置偏移检测车辆状态-即,在两个连续时间戳之间行进的距离-以及车辆运动状态的监视-即,静止/运动中;以及(ii)转弯的检测和分类(即,左或右)。来自多个低成本车载传感器的数据(即,加速度计、转向角传感器、速度传感器和GNSS)被融合并馈送到递归神经网络模型中,该递归神经网络模型是用于预测位置偏移的长短期记忆(LSTM)网络,即,AV在两个连续的时间戳之间行进的距离。然后将该位置偏移与基于GNSS的位置偏移进行比较以检测攻击。然后,我们结合了k-近邻(k-NN)和动态时间规整(DTW)算法来检测和分类左,右转弯使用的数据从转向角传感器。为了证明基于传感器融合的攻击检测框架的有效性,使用公开的真实世界本田研究所驾驶数据集(HDD),为四种独特而复杂的欺骗攻击-转弯,过冲,错误转弯和停止创建攻击数据集。我们的分析表明,基于传感器融合的检测框架成功地检测到所有四种类型的欺骗攻击所需的计算延迟阈值内。
2021-08-19 cs.CR cs.LG eess.SP
Development of Vision-Language Model-based GNSS Spoofing Detection for Autonomous Vehicle Navigation
Clemson University(克莱姆森大学);The University of Alabama(阿拉巴马大学)
研究自动驾驶车辆GNSS欺骗检测问题,提出基于视觉语言模型的框架,融合多源数据,经三阶段微调及自适应推理策略,大幅提升检测准确率与效率,并生成数据集验证跨区域泛化能力,为自动驾驶提供实用道路防御层。
2026-07-28 cs.CR cs.CV
Consumer INS Coupled with Carrier Phase Measurements for GNSS Spoofing Detection
本文提出利用低端消费级惯性传感器与载波相位测量短时积分,通过天线高频运动与载波相位变化的相关性识别GNSS欺骗和转发欺骗,实验表明无需修改接收机即可达到90%检测准确率。
2025-02-06 cs.CR
GNSS Signal Authentication via Power and Distortion Monitoring
我们提出了一个简单的低成本的技术,使民用全球定位系统(GPS)接收器和其他民用全球导航卫星系统(GNSS)接收器可靠地检测携带的欺骗和干扰。该技术,我们称之为功率失真检测器,分类接收到的信号作为干扰的自由,多径折磨,欺骗,或根据接收功率和相关函数失真的意见堵塞。它不依赖于外部硬件或网络连接,并且可以通过固件更新在许多接收器上轻松实现。最重要的是,检测器可以以高概率区分低功率欺骗和普通多径。在对超过25个高质量的经验数据集进行测试时,产生了超过900,000个独立的检测测试,检测器正确地对所有恶意欺骗或干扰攻击发出警报,同时保持<0.6%的单通道误报率。
2020-03-27 cs.CR
GNSS Spoofing Detection Based on Opportunistic Position Information
本文提出 PADS 概率框架,利用智能手机现成的网络位置与惯性数据,通过约束回归、高斯过程不确定性建模和异常值集成检测 GNSS 欺骗,真阳性率最高可达基线方法的 3 倍。
2025-06-14 cs.CR
Cryptography Is Not Enough: Relay Attacks on Authenticated GNSS Signals
民用全球导航卫星系统容易受到信号欺骗攻击,目前正在提出基于密码认证的对策来防范这些攻击。伽利略和GPS目前都在测试基于延迟密钥公开的广播认证技术,以验证导航消息的完整性。这些身份验证机制已被证明是安全的,可以防止现在记录和以后重放的攻击,因为导航消息在密钥被释放后变得无效。这项工作分析了密码保护的GNSS信号的安全保证,并显示了欺骗接收器到任意位置而不破坏任何密码操作的可能性。与以前的工作相比,我们证明了攻击者的能力,接收信号接近受害者接收器,并产生欺骗信号的不同的目标位置,而不修改导航消息的内容。我们的策略利用了用于估计GNSS接收器中的伪距的基本公共接收和传输时间方法,从而使任何加密认证无用。我们使用开源工具,商业GNSS信号发生器和软件定义的无线电硬件平台的组合来评估我们对商业接收器(ublox M9 N)和软件定义的GNSS接收器(GNSS-SDR)的攻击。我们的研究结果表明,它是可能的欺骗受害者接收器的位置,距离真实位置约4000公里,而不需要任何高速通信网络或修改消息内容。通过这项工作,我们进一步强调了即使所有通信都受到加密保护,也要确保基于广播信号的定位系统的基本限制。
2022-11-02 cs.CR
Detection of Replay Attacks to GNSS based on Partial Correlations and Authentication Data Unpredictability
故意干扰,尤其是GNSS欺骗,目前是定位、导航和定时(PNT)界最关心的问题之一。随着Galileo采用开放服务导航消息认证(OSNMA),E1B信号组件将持续广播不可预测的加密数据。这允许GNSS接收器不仅确保数据源的真实性,而且还检测已经跟踪具有相对良好的可见性条件的真实信号的接收器的重放欺骗攻击。由于欺骗器需要以几乎为零的延迟来估计由OSNMA引入的不可预测比特以便执行安全码估计和重放(SCER)攻击,所以欺骗器可欺骗地将轻微失真引入到信号中,这可以是欺骗检测器的基础。在这项工作中,我们提出了五个检测器的GNSS信号的部分相关性的基础上获得的可预测和不可预测的部分信号。我们在广泛的测试案例中对其进行评估,包括不同类型的接收器和欺骗条件。结果表明,其中一个检测器始终优于其他检测器,并且即使在对Spotify有利的条件下,它也能够以高概率检测到SCER攻击。最后,我们讨论了一些实际的考虑,特别是当使用伽利略OSNMA消息结构的接收器中实现所提出的检测器。
2020-11-06 cs.CR eess.SP
Maximum-Likelihood Power-Distortion Monitoring for GNSS Signal Authentication
我们提出了一个扩展所谓的PD检测器。PD检测器联合监测接收功率和相关轮廓失真,以检测GNSS携带型欺骗、干扰或多径的存在。我们表明,通过将PD检测器的基于差分的失真测量替换为基于单信号相关函数模型的最大似然估计的后拟合残差,可以显着提高分类性能。我们称这种改进的技术为PD-ML检测器。与PD检测器直接比较,PD-ML检测器在对大量记录的现场数据库进行测试时表现出更高的分类准确性。特别地,它(1)在区分欺骗攻击和干扰攻击方面明显更准确,(2)在区分受多径影响的数据和无干扰数据方面更好,以及(3)通过将多径分类为欺骗而发出假警报的可能性更小。PD-ML检测器以额外的计算复杂度为代价实现了这种改进的性能。
2018-05-14 cs.CR eess.SP
Spoofing Missed-Detection Bounds for PRF GNSS Ranging Authentication Under AWGN Models
本文推导了PRF GNSS测距在多种欺骗模型下的认证安全性,量化了伽利略E6-C信号实现128位安全所需数据量,并预测了SCER对手所需设备,为设计安全测距协议提供依据。
2026-10-06 cs.CR eess.SP
Guardian Positioning System (GPS) for Location Based Services
针对智能手机多源定位仍易受 GNSS、Wi-Fi 及协同欺骗的问题,提出融合传感器、地面设施与 GNSS 的扩展 RAIM 框架,显著提升位置欺骗检测能力。
2025-05-14 cs.CR
Extending RAIM with a Gaussian Mixture of Opportunistic Information
本研究扩展RAIM,融合地面与机载机会信息,通过子集生成与位置融合构建复合似然函数,实现稳健的GNSS欺骗检测,实验验证显著提升准确性。
2024-02-05 cs.CR eess.SP
SSD: A State-based Stealthy Backdoor Attack For Navigation System in UAV Route Planning
本文提出一种基于运动状态触发的隐蔽后门攻击方法 SSD,通过利用 UAV 非线性运动状态增强 GNSS 位置欺骗效果并降低速度检测概率,在三个先进检测器上保持 100% 隐蔽性的同时显著提高定位误差和航迹规划任务失败风险。
2025-03-12 cs.CR
Rigid-Covert GNSS Spoofing of UAV Swarms: A Structural Blind Spot, Its Detection Limit, and Absolute-Anchor Defenses
Jeonbuk National University(国立全北大学)
针对无人机群相对几何防御的刚性隐蔽GNSS欺骗盲点,提出基于绝对锚点的拜占庭鲁棒恢复方法,在仿真及ArduPilot、Gazebo实验中实现高精度位置恢复,明确了相关检测与防御极限。
2026-08-10 cs.CR cs.RO
AIS-Based Maritime GNSS RFI Monitoring With Multi-Vessel Coherence and Communication-Integrity Artifact Mitigation
Chungbuk National University(忠北国立大学);Korea Research Institute of Ships and Ocean Engineering(韩国船舶海洋工程研究院)
本文提出基于AIS的三阶段框架,通过预过滤和时空分析实现广域GNSS欺骗与干扰检测,有效降低误报率。
2026-08-14 cs.CR eess.SP
UAVs Path Deviation Attacks: Survey and Research Challenges
最近,无人机(UAV)被用于大量的民用应用。这种飞行器可以在遥控器的范围内在飞行员的视力下完成任务,或者根据某种预先加载的路径配置自主完成任务。恶意用户可以对无人机执行不同的路径偏离攻击。我们根据无人机的飞行模式,即,(i)第一人称视角,基于民用全球导航卫星系统,以及全球导航卫星系统“加”辅助技术,以及多重性,即,(i)一架无人机;(2)多架无人机。我们发现,几乎没有做什么,以确保FPV飞行模式对路径偏差。在GNSS模式下,欺骗是最令人担忧的攻击。对抗欺骗的最佳防御似乎是冗余,例如在单个无人机上添加视觉芯片或使用多个排列的无人机。在文献中没有发现GNSS+或无人机在没有预定安排的情况下成群移动的具体攻击和防御。这些方面需要进一步调查。
2021-02-12 cs.CR
POSTER: Detecting GNSS misbehaviour with high-precision clocks
为了减轻针对全球导航卫星系统(GNSS)接收器的欺骗攻击,一种有前途的方法是依赖于替代时间源(诸如基于网络的同步),以便检测由GNSS攻击引起的时钟偏移差异。然而,在没有网络连接的情况下,这种验证参考将不可用。一个可行的选择是依赖于本地时间基准,特别是具有扩展保持能力的芯片级热稳定振荡器的精密硬件时钟集成。我们提出了一个初步的设计和结果,对一个定制的设备能够提供一个稳定的参考,与传统的精密时钟相比,具有更小的占地面积和成本。该系统与现有的接收器架构完全兼容,使该解决方案适用于大多数工业场景。与基于网络的同步的进一步集成可以提供具有高的短期和长期稳定性的完整的时间保证系统。
2022-02-22 cs.CR
Protecting GNSS-based Services using Time Offset Validation
全球导航卫星系统(GNSS)为从基于时间的一次性密码(TOPT)到电网和蜂窝系统的大范围应用提供普遍的精确定位和定时服务。然而,由于全球导航卫星系统的脆弱性,可能存在应用的安全问题。必须注意到,全球导航卫星系统接收器是平台的组成部分,原则上与不同的网络基础设施具有丰富的连通性。特别令人感兴趣的是,可以利用各种定时源来验证全球导航卫星系统提供的位置和时间。因此,我们考虑现成的平台以及如何通过交叉检查GNSS时间和来自其他可用来源的时间来检测GNSS接收器是否受到攻击。首先,我们调查不同的技术,以分析其可用性,准确性和可信度的时间同步。然后,我们提出了一个验证方法的绝对和相对时间。此外,我们设计了一个框架和实验装置的结果进行评估。当对手移动GNSS提供的时间超过23.942 us时,可以基于WiFi提供的时间检测攻击;当对手引起的移动超过2.046 ms时,可以使用网络时间协议(NTP)提供的时间检测攻击。因此,该提议大大限制了对手操纵受害GNSS接收器的能力。
2022-02-22 cs.CR
A Conditional Timing Protection Level: Holdover-Limited Undetected Time Error Under GNSS Spoofing
Ashforde OÜ(阿什福德有限公司)
针对GNSS欺骗攻击,提出条件时序保护级别(TPL),通过无模型监测器与独立跨星一致性检测,将未检测时间误差限制在纳秒级,远低于实际攻击造成的毫秒级误差。
2026-06-24 cs.CR eess.SP
SemperFi: A Spoofer Eliminating GPS Receiver for UAVs
众所周知,GPS容易受到信号欺骗攻击。虽然存在几种欺骗检测技术,但它们无法从隐形攻击者那里缓解和恢复。在这项工作中,我们提出了SemperFi,一个单天线GPS接收器能够跟踪合法的GPS卫星信号,并估计的真实位置,即使在欺骗攻击。构建SemperFi的主要挑战是,与大多数无线系统不同,无线信号中包含的\emph{the data}很重要,GPS依赖于卫星信号的到达时间(ToA)。SemperFi能够区分欺骗信号并恢复合法的GPS信号,甚至完全被强大的对手所掩盖。我们利用惯性传感器的短期稳定性来识别欺骗信号,并扩展连续干扰消除算法来保持合法信号的ToA。我们在开源软件定义的GNSS接收器GNSS-SDR中实现SemperFi,并使用无人机模拟器、真实无人机、各种真实GPS数据集和各种嵌入式平台评估其性能。我们的评估结果表明,在许多情况下,SemperFi可以通过执行小于50米长的飞行模式来识别对抗性峰值,并在10秒内恢复真实位置(Jetson Xavier)。我们表明,我们的接收器是安全的,对隐形攻击者利用惯性传感器的错误和执行无缝接管攻击。我们将SemperFi设计为一个可插拔模块,能够生成无欺骗的GPS信号,以便在目前可用的任何商用现成GPS接收器上进行处理。最后,我们将我们的实现发布到社区供使用和进一步研究。
2021-05-05 cs.CR
Coordinated Position Falsification Attacks and Countermeasures for Location-Based Services
KTH Royal Institute of Technology(瑞典皇家理工学院)
针对基于位置服务易受低成本协同位置伪造攻击的问题,提出扩展RAIM框架融合异构信号(车载传感器、地面基础设施及GNSS)的防御对策,最多提升62%检测准确率并恢复准确定位。
2025-10-31 cs.CR
Towards a Self-rescuing System for UAVs Under GNSS Attack
本文首次提出一种轻量级两阶段自救援方案,使无人机在GNSS攻击下自主记录前向航程并生成抗风返回路线,安全返回起飞点,防止坠毁。
2024-10-03 cs.CR
Distributed and Mobile Message Level Relaying/Replaying of GNSS Signals
随着导航消息认证(NMA)的引入,未来的全球导航卫星系统(GNSS)通过仿真来防止欺骗,即,根据公开信息伪造卫星信号。然而,身份验证并不能防止记录和重放攻击,通常称为meaconing。这些攻击在对受害者接收器位置和时间的对抗性控制方面不太强大,但通过在信号水平上行动,它们不会被NMA挫败。这使得重播/中继攻击对GNSS构成了重大威胁。虽然有许多关于meaconing的研究,但大多数并不依赖于现实世界中的实际实施和实验评估。在这项工作中,我们有助于提高meaconing攻击的实验理解。我们设计并实现了一个系统,能够实时,分布式和移动meaconing,现成的硬件。我们从基本的分布式攻击扩展,来自不同位置的信号通过互联网中继并在受害者接收器的范围内重放:这具有高带宽要求,因此取决于可用网络的服务质量。为了克服这个限制,我们建议在消息级别上重放,包括有效载荷的认证部分。由此产生的带宽减少使攻击者能够在移动场景中操作,以及同时重放来自多个GNSS星座和/或频带的信号。此外,攻击者可以延迟单独选择的卫星信号,以更细粒度的方式潜在地影响受害者位置和时间解决方案。我们的多功能测试台可实现不同类型的重放/中继攻击,有助于测试GNSS接收器中新的和改进的重放/中继重点对抗措施的现实场景。
2022-02-23 cs.CR
Detecting GNSS misbehavior leveraging secure heterogeneous time sources
针对民用GNSS脆弱性威胁关键系统的问题,提出结合安全远程网络授时源与本地精密振荡器的多层防御机制,无需改动现有接收机即可检测微小时间偏移的GNSS攻击,兼容性强易部署。
2023-05-05 cs.CR
High-precision Hardware Oscillators Ensemble for GNSS Attack Detection
许多重要的应用都依赖全球导航卫星系统进行精确的时间和定位。攻击者指定GNSS接收器的位置和时间解决方案是一个重大风险,特别是由于GNSS系统固有的脆弱性。对于大量接收器来说,第一道防线是依靠通过全球导航卫星系统启用平台的丰富连通性获得的额外信息。网络时间可用于直接验证GNSS接收器时间;但这取决于网络可用性。为了允许攻击检测,即使有长时间的网络断开,我们提出了一种基于板上集成的参考时钟的方法。这允许接收器检测影响GNSS时间解的复杂攻击,而与特定攻击方法无关。与芯片级烘箱补偿振荡器(CS-OCXO)获得的结果是有前途的,并展示了潜在的嵌入式集成的参考时钟,检测攻击导致修改的接收器时间偏移低至0.3us,与一半的检测延迟相比,相关文献。
2022-02-24 cs.CR
A Location Validation Technique to Mitigate GPS Spoofing Attacks in IEEE 802.11p based Fleet Operator's Network of Electric Vehicles
针对IEEE 802.11p车队网络中电动汽车GPS欺骗攻击,提出基于先前位置与路线图验证当前位置的技术,经新加坡数据实验验证有效。
2024-10-16 cs.CR
Unveiling the Stealthy Threat: Analyzing Slow Drift GPS Spoofing Attacks for Autonomous Vehicles in Urban Environments and Enabling the Resilience
本研究提出了一种针对城市自动驾驶车辆的隐蔽慢漂移 GPS 欺骗攻击,通过改变伪距使车辆逐渐偏离路线,并利用原始与欺骗伪距间的强相关性构建有效防御机制。
2024-01-02 cs.CR
Time-based GNSS attack detection
针对GNSS时间攻击问题,提出利用外部可信时间源与板载时钟参考的多层防御方法,可检测低至30纳秒的细粒度攻击,在所有测试场景中实现检测且兼容现有接收机。
2025-02-12 cs.CR
On the Study of Biometric Spoofing Detection using Deep Learning
School of Science and Technology(科学与技术学院)
评估MobileNetV2、DenseNet-121、Inception-v3和STD模型在面部识别系统欺骗检测中的性能,MobileNetV2以92%准确率最优,适合实际应用。
2026-06-11 cs.AI cs.CR cs.CV
Authenticated time for detecting GNSS attacks
信息交叉验证可成为一种强有力的工具,用于检测被篡改的可疑全球导航卫星系统数据。一种有希望的方法是利用通过移动终端可以连接到的网络获得的时间,并检测GNSS提供的时间与网络时间之间的差异。挑战在于可靠地将准确和可信的网络时间作为GNSS攻击检测的基础。在这里,我们提供了一个具体的建议,利用,与网络时间服务器,几乎无处不在的IEEE 802.11(Wi-Fi)的基础设施。我们的框架支持应用层,安全和强大的实时的广播的Wi-Fi接入点(AP),基于哈希链和不频繁的数字签名验证,以尽量减少计算和通信开销,允许移动节点有效地获得认证和丰富的时间信息,因为他们漫游。我们将此方法与网络时间安全(NTS)配对,通过多个来源增强弹性,理想情况下,同时可用。我们分析了我们的计划在一个专门的设置,测量认证的时间数据(Wi-Fi时间戳信标和NTS)的开销的性能。结果表明,有可能为全球导航卫星系统时间源的外部提供安全性,而认证和完整性的开销最小,即使配备全球导航卫星系统的节点是移动的,因此与Wi-Fi基础设施的互动时间很短,互联网连接可能是间歇性的,而且资源有限。
2022-02-22 cs.CR
Treating Statewide CORS Networks as Spatially Distributed Sensors for GNSS Integrity Monitoring under Unintentional and Deliberate Threats
The University of Alabama(阿拉巴马大学);Clemson University(克莱姆森大学)
本研究将全州CORS网络视为空间分布传感器,开发NCF和NCI框架,利用四星观测数据识别GNSS无意与蓄意干扰,为交通机构监测网络完整性提供方法。
2026-08-11 cs.CR eess.SP physics.space-ph
Receiver-Domain Behavioral Probing for Backdoor-Resilient Federated GPS Spoofing Detection in UAV Networks
James Madison University(詹姆斯·麦迪逊大学)
针对联邦GPS欺骗检测中客户端自报准确率的攻击漏洞,提出接收域行为探测方法,基于反事实样本加权客户端,在诚实多数下有效降低后门影响并识别被入侵者。
2026-11-03 cs.CR eess.SP
The SWAX Benchmark: Attacking Biometric Systems with Wax Figures
Universidade Federal de Minas Gerais(米纳斯吉拉斯联邦大学)
针对人脸欺骗攻击问题,本文提出包含真人与蜡像多模态数据的SWAX数据集,经基线方法实验验证,现有先进检测方法仍难以抵御高质量蜡像欺骗攻击。
2019-10-21 cs.CR cs.CV cs.LG
Detecting Timing Attack on PMU Data utilizing Unwrapped Phase Angle and Low-Rank Henkel Matrix Properties
在网络物理系统中引入PMU可提供准确的数据采集,但也会带来成为网络攻击受害者的额外风险。虚假数据注入攻击(FDIA)和GPS欺骗或定时攻击都可以向网络系统提供恶意数据,尽管这两种攻击需要不同的攻击后应急计划。因此,准确地检测定时攻击并将其与传统的FDIA区分开来已成为一个非常重要的研究领域。本文提出了一种成功检测定时攻击的机制。首先,提出了一种利用解包后的相位角数据区分定时攻击和FDIA的方法。其次,利用低秩汉克尔矩阵的性质,区分定时攻击和电事件。最后,在IEEE 13节点系统上,利用模拟的GPS欺骗攻击对模型进行了实验验证。可以观察到,对于GPS时间戳中的3秒延迟,定时攻击可以将展开角度的Henkel矩阵的秩1近似误差增加700%。对于2秒延迟,秩1近似误差增加500%,对于1秒延迟攻击,增加不明显。FDIA对Henkel矩阵的低秩近似曲线无明显影响。
2021-10-07 cs.CR cs.SY eess.SY
On-chain Validation of Tracking Data Messages (TDM) Using Distributed Deep Learning on a Proof of Stake (PoS) Blockchain
Space Protocol(空间协议)
本文提出一种基于PoS区块链和分布式Transformer深度学习模型的TDM去信任化验证机制,通过共识取代中心权威,实现对空间目标观测数据的交叉验证与激励惩罚。
2024-09-03 astro-ph.EP cs.CR cs.LG
Virtual camera detection: Catching video injection attacks in remote biometric systems
Department of Research and Development, Verigram(研发部)
本研究提出了一种基于机器学习的虚拟摄像机检测方法,通过训练真实用户会话的元数据,有效识别视频注入攻击并降低恶意绕过风险。
2025-12-11 cs.CR cs.LG
RoboMal: Malware Detection for Robot Network Systems
Purdue University(普渡大学)
机器人系统越来越多地融入现代生活的众多途径。从打扫房屋到提供指导和情感支持,机器人现在直接与人类合作。由于其广泛的应用和日益复杂的架构,它们正成为传感器-执行器攻击、数据欺骗、恶意软件和网络入侵等对抗攻击的目标。因此,机器人系统的安全性变得至关重要。在本文中,我们解决了机器人软件中恶意软件检测的不足之处。由于机器人与人类非常接近,经常进行直接互动,因此恶意软件可能会产生危及生命的影响。因此,我们提出了RoboMal框架的静态恶意软件检测二进制可执行文件检测恶意软件之前,它得到一个机会执行。此外,我们通过提供RoboMal数据集来解决这个空间中数据的严重缺乏,该数据集包括小型自动驾驶汽车的控制器可执行文件。该框架的性能与广泛使用的监督学习模型:GRU,CNN,和ANN进行了比较。值得注意的是,基于LSTM的RoboMal模型优于其他模型,在10倍交叉验证中的准确率为85%,精度为87%,从而证明了所提出的框架的有效性。
2022-01-20 cs.CR cs.LG cs.RO
Supply Chain Exploitation of Secure ROS 2 Systems: A Proof-of-Concept on Autonomous Platform Compromise via Keystore Exfiltration
Department of Electrical and Computer Engineering, Tennessee Technological University(电气与计算机工程系,田纳西技术大学);Department of Computer Science, Tennessee Technological University(计算机科学系,田纳西技术大学);Center for Manufacturing Research, Tennessee Technological University(制造研究中心,田纳西技术大学)
本文通过在安全ROS 2系统中植入木马,利用密钥库外泄实现对自动驾驶平台的入侵,展示了供应链攻击对自主系统安全的威胁。
2025-10-31 cs.CR cs.OS cs.RO