Not logged in.

Quick Search - Contribution

Contribution Details

Type Master's Thesis
Scope Discipline-based scholarship
Title "DevOps pipeline for vision-based security attacks for Cyber-Physical Systems (CPS)"
Organization Unit
Authors
  • Prasun Saurabh
Supervisors
  • Davide Scaramuzza
  • Sebastiano Panichella
Language
  • English
Institution University of Zurich
Faculty Faculty of Business, Economics and Informatics
Date 2023
Abstract Text Unmanned Aerial Vehicles (UAVs), commonly known as drones, have revolutionized various industries, including agriculture, photography, delivery, and security. The UAV's ability to fly autonomously and perform various missions with ease is largely attributed to the advancement in vision algorithms. However, as these UAVs become more prevalent in civilian airspace, their reliability and security become crucial concerns. One of the key components of a UAV is its onboard stereo camera, which enables the UAV to navigate through its environment. However, stereo cameras are vulnerable to vision-based security attacks, which can cause the UAV to crash or malfunction. The safety and reliability of UAVs heavily depend on the performance of their vision-based navigation systems. To ensure that these systems are robust and secure, it is essential to evaluate their resilience to different types of attacks and identify potential vulnerabilities. In order to address this issue, a platform was developed that can inject vision-based adversarial attacks into the UAV system to determine its vulnerability. This platform, called AerialShield, is an extension of Aerialist and is capable of carrying out different kinds of vision-based adversarial attacks on a UAV platform. AerialShield generates several adversarial test cases by mutating important parameters to attack the system. Through experiments, it was found that the PX4 Avoidance system, which is used for obstacle avoidance, is prone to adversarial attacks. The experiments conducted by AerialShield showed that the PX4 Avoidance system is very sensitive to even a little noise in the stereo camera in a real-world-like simulated environment, leading to crashes. Moreover, the UAV was found to be less resilient to noise at a lower altitude as compared to a higher altitude. This highlights the importance of testing UAVs in various environments and altitudes to ensure their reliability and security. Our experiments have shown that several factors, such as UAV altitude, environmental complexity, and the level of noise injected into the camera, can significantly impact the system's performance. While UAVs offer numerous benefits, their reliability and security are critical for their safe integration into civilian airspace. AerialShield's ability to carry out vision-based adversarial attacks on UAVs provides valuable insight into their vulnerability, allowing for improvements to be made to ensure their safe and secure operation.
Zusammenfassung Unmanned Aerial Vehicles (UAVs), allgemein als Drohnen bekannt, haben verschiedene Branchen revolutioniert, darunter Landwirtschaft, Fotografie, Lieferung und Sicherheit. Die Fähigkeit des UAV, autonom zu fliegen und verschiedene Missionen mit Leichtigkeit durchzuführen, wird größtenteils auf die Weiterentwicklung der Sichtalgorithmen zurückgeführt. Da sich diese UAVs jedoch im zivilen Luftraum immer mehr durchsetzen, werden ihre Zuverlässigkeit und Sicherheit zu entscheidenden Anliegen. Eine der Schlüsselkomponenten eines UAV ist seine eingebaute Stereokamera, die es dem UAV ermöglicht, durch seine Umgebung zu navigieren. Stereokameras sind jedoch anfällig für visionsbasierte Sicherheitsangriffe, die zu einem Absturz oder einer Fehlfunktion des UAV führen können. Die Sicherheit und Zuverlässigkeit von UAVs hängen stark von der Leistung ihrer sichtbasierten Navigationssysteme ab. Um sicherzustellen, dass diese Systeme robust und sicher sind, ist es wichtig, ihre Widerstandsfähigkeit gegenüber verschiedenen Arten von Angriffen zu bewerten und potenzielle Schwachstellen zu identifizieren. Um dieses Problem anzugehen, wurde eine Plattform entwickelt, die visionsbasierte gegnerische Angriffe in das UAV-System einschleusen kann, um seine Anfälligkeit zu ermitteln. Diese Plattform mit dem Namen AerialShield ist eine Erweiterung von Aerialist und in der Lage, verschiedene Arten von sichtbasierten Angriffen auf eine UAV-Plattform auszuführen. AerialShield generiert mehrere gegnerische Testfälle, indem wichtige Parameter verändert werden, um das System anzugreifen. Durch Experimente wurde festgestellt, dass das PX4-Vermeidungssystem, das zur Hindernisvermeidung verwendet wird, anfällig für gegnerische Angriffe ist. Die von AerialShield durchgeführten Experimente zeigten, dass das PX4-Vermeidungssystem sehr empfindlich auf selbst ein geringes Rauschen in der Stereokamera in einer realitätsnahen simulierten Umgebung reagiert, was zu Abstürzen führt. Darüber hinaus wurde festgestellt, dass das UAV in einer geringeren Höhe weniger widerstandsfähig gegenüber Lärm ist als in einer größeren Höhe. Dies unterstreicht, wie wichtig es ist, UAVs in verschiedenen Umgebungen und Höhen zu testen, um ihre Zuverlässigkeit und Sicherheit zu gewährleisten. Unsere Experimente haben gezeigt, dass mehrere Faktoren, wie etwa die UAV-Höhe, die Umgebungskomplexität und der in die Kamera eingestrahlte Geräuschpegel, die Leistung des Systems erheblich beeinflussen können. Während UAVs zahlreiche Vorteile bieten, sind ihre Zuverlässigkeit und Sicherheit entscheidend für ihre sichere Integration in den zivilen Luftraum. Die Fähigkeit von AerialShield, visionsbasierte gegnerische Angriffe auf UAVs durchzuführen, bietet wertvolle Einblicke in ihre Verwundbarkeit und ermöglicht Verbesserungen, um ihren sicheren Betrieb zu gewährleisten.
PDF File Download
Export BibTeX