Aug, 2018

基于 GPS/INS 的路上位置跟踪系统的安全性

PDF
TL;DR本文研究了 INS 辅助 GPS 跟踪与导航技术在道路交通系统中的安全保障问题，并通过开发和评估算法展示了对磁力计进行主动欺骗的可行性，同时实验结果表明攻击者可以达到离真实目的地 30 公里甚至更远的位置而不被检测到。
ins-aided gps trackingsecurity guaranteesspoofing attacksroad transportation systemsadversary
发现论文，激发创造
  • 基于传感器融合的 GNSS 欺骗攻击检测框架在自动驾驶车辆上的实验验证

    验证传感器融合型 GNSS 欺骗攻击检测框架在自动驾驶车辆中的性能，并使用两种策略进行检测：通过传感器融合和机器学习来判断位置变化，以及使用机器学习模型检测和分类转弯。通过实验证明该框架能够有效地检测各种复杂的 GNSS 欺骗攻击。

    Jan, 2024

  • 可靠自动驾驶车辆位置估计的 GPS-IMU 传感器融合

    GPS 和 IMU 传感器融合在 GPS 无信号环境下提升自主车辆导航的可靠性和精度的方法。

    May, 2024

  • 多个和无陀螺仪的惯性数据集

    研究通过整合数据驱动方法与惯性导航系统（INS），提高准确性和效率。为了填补相关领域的研究空白，设计并记录了无陀螺仪 INS（GFINS）和多惯性测量单元（MIMU）数据集，可用于定义和评估不同类型的 MIMU 和 GFINS 体系结构。数据集包含 35 小时的惯性数据和对应的准确轨迹。

    Mar, 2024

  • 利用惯性测量单元从车辆振动中学习位置

    本文提出一种新颖的车辆定位方法，其中不依赖于全球卫星导航系统，而是通过学习来自惯性测量单元（IMU）传感器的加速度计和陀螺仪测量值的道路特征标志，分别基于卷积神经网络和集成随机森林的手工特征方法学习道路特征，并提出一种实时推导车辆位置的算法。

    Mar, 2023

  • 多传感器融合定位系统在高级自动驾驶中受 GPS 攻击漂移的安全性（扩展版本）

    该研究对自动驾驶汽车多传感器融合算法在 GPS 模拟攻击下的安全性进行了研究，并设计了攻击算法 FusionRipper，能够以至少 97% 和 91.3% 的成功率实现离线和逆行攻击。

    Jun, 2020

  • AdvGPS：多智能体感知攻击的对抗性全球定位系统

    通过引入 AdvGPS，一种能生成对该系统内个体代理隐藏且具有对抗性的 GPS 信号的方法，本研究在 OPV2V 数据集上的广泛实验表明，这些攻击显著削弱了最先进方法的性能，突显了跨不同基于点云的 3D 检测系统的惊人转移性，从而强调了需要解决多智能体感知系统中的安全问题，这是一个关键的研究领域。

    Jan, 2024

  • 基于 IMU 监督的神经网络室内定位技术

    利用惯性测量单元（IMU）计算伪标签，本文提出了一种无需昂贵采集位置标签的无线电信号用户定位方法，并展示了在模拟和真实 5G 测量数据中达到分米级准确度的实验结果。IMU 辅助方法与完全监督方法相比性能相似，但部署所需的工作量明显减少。

    Feb, 2024

  • 现代 GNSS 的发展及其对自主驾驶车辆架构的影响

    通过研究全球导航卫星系统（GNSS）的最新发展，并对其对自主驾驶体系结构可能产生的影响进行了调查。通过将高完整性 GNSS 车道确定纳入基于视觉的体系结构可以释放车道级机动能力，并提供监督以保证安全。将精密 GNSS 纳入激光雷达系统可以释放鲁棒性和额外的回退以确保安全和效用。最后，GNSS 通过为未来 V2X 方案提供一致的定时和参考框架，提供互操作性。

    Feb, 2020

  • 在无 GPS 环境下使用基于地标的定位进行安全导航

    在现代战场情景中，全球定位系统（GPS）的依赖性可能存在重大的漏洞。该研究提出了一种新的框架，将基于地标的定位与扩展卡尔曼滤波器（EKF）相结合，以预测沿战场移动实体的未来状态。结果表明，该方法不仅能确保移动单位的安全性，使其保持在安全轨迹上，而且能够适应不断演化的威胁环境，提高作战效能。

    Feb, 2024

  • 室内定位系统：传感器读数的智能融合

    通过结合多种最先进的传感器的数据，我们提出了一个多功能的测量系统，对其进行比较和融合，展示了单一数据融合技术在应对情境转换时的可行性和鲁棒性。特别是，在结合射频（RF）定位技术和惯性测量单元（IMU）时，这种方法在解决定位问题上具有极高的鲁棒性和可靠性。

    May, 2021