High-Order Liquid Evidence Encoding for Gradual GNSS Spoofing Detection in Autonomous Driving
Di cosa parla
Riconosce attacchi che falsano il segnale di posizionamento satellitare (GNSS, i sistemi che dicono dove si trova un veicolo), difficili da vedere perché cambiano lentamente. Il metodo calcola la discrepanza tra lo spostamento indicato dai satelliti e quello misurato dai sensori del veicolo, poi traccia separatamente il livello di questa discrepanza e le sue variazioni a breve e medio termine, combinandole per segnalare spoofing usando solo dati passati e correnti. Gli autori rendono codice e dati pubblicamente disponibili.
Cosa permette di osservare
Permette di esplorare se monitorare insieme il valore della discrepanza e le sue evolvezioni nel tempo aiuta a scoprire attacchi graduali, e quali indizi contestuali sono utili per distinguere falsi positivi da anomalie legittime.
Dalla fonte
Accurate Global Navigation Satellite System (GNSS)-based localization is essential for safe and reliable autonomous driving. However, spoofing attacks can manipulate vehicle position estimates. Continuous and subtle attacks are particularly difficult to detect because individual GNSS observations may remain plausible while the inconsistency between GNSS-implied displacement and onboard vehicle motion gradually increases. Existing methods often rely on static vehicle-behavior features or a single residual signal and do not explicitly model this evolution. To address this problem, we propose a causal high-order liquid evidence framework for GNSS spoofing detection. The method first constructs a physics-guided GNSS--motion inconsistency residual by comparing GNSS-implied displacement with onboard-motion-derived displacement. It then forms separate evidence streams for the residual level an…