CN111971533A - 攻击检测装置、攻击检测程序和攻击检测方法 - Google Patents

攻击检测装置、攻击检测程序和攻击检测方法 Download PDF

Info

Publication number
CN111971533A
CN111971533A CN201880092422.2A CN201880092422A CN111971533A CN 111971533 A CN111971533 A CN 111971533A CN 201880092422 A CN201880092422 A CN 201880092422A CN 111971533 A CN111971533 A CN 111971533A
Authority
CN
China
Prior art keywords
sensor
attack
attack detection
threshold
sensors
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201880092422.2A
Other languages
English (en)
Other versions
CN111971533B (zh
Inventor
梨本翔永
铃木大辅
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Publication of CN111971533A publication Critical patent/CN111971533A/zh
Application granted granted Critical
Publication of CN111971533B publication Critical patent/CN111971533B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D3/00—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups
    • G01D3/08—Indicating or recording apparatus with provision for the special purposes referred to in the subgroups with provision for safeguarding the apparatus, e.g. against abnormal operation, against breakdown
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
    • G06F21/566—Dynamic detection, i.e. detection performed at run-time, e.g. emulation, suspicious activities
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
    • G01C21/10—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration
    • G01C21/12—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning
    • G01C21/16—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 by using measurements of speed or acceleration executed aboard the object being navigated; Dead reckoning by integrating acceleration or speed, i.e. inertial navigation
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C25/00—Manufacturing, calibrating, cleaning, or repairing instruments or devices referred to in the other groups of this subclass
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C9/00—Measuring inclination, e.g. by clinometers, by levels
    • G01C9/02—Details
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01P—MEASURING LINEAR OR ANGULAR SPEED, ACCELERATION, DECELERATION, OR SHOCK; INDICATING PRESENCE, ABSENCE, OR DIRECTION, OF MOVEMENT
    • G01P21/00—Testing or calibrating of apparatus or devices covered by the preceding groups
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/554—Detecting local intrusion or implementing counter-measures involving event detection and direct action
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F21/00—Security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F21/50—Monitoring users, programs or devices to maintain the integrity of platforms, e.g. of processors, firmware or operating systems
    • G06F21/55—Detecting local intrusion or implementing counter-measures
    • G06F21/56—Computer malware detection or handling, e.g. anti-virus arrangements
    • G06F21/567—Computer malware detection or handling, e.g. anti-virus arrangements using dedicated hardware
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2221/00—Indexing scheme relating to security arrangements for protecting computers, components thereof, programs or data against unauthorised activity
    • G06F2221/03—Indexing scheme relating to G06F21/50, monitoring users, programs or devices to maintain the integrity of platforms
    • G06F2221/034—Test or assess a computer or a system

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Computer Security & Cryptography (AREA)
  • Software Systems (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • Computer Hardware Design (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Virology (AREA)
  • Automation & Control Theory (AREA)
  • Manufacturing & Machinery (AREA)
  • Gyroscopes (AREA)
  • Testing Or Calibration Of Command Recording Devices (AREA)
  • User Interface Of Digital Computer (AREA)
  • Measuring Magnetic Variables (AREA)

Abstract

相关计算部(21)从传感器融合部(12a)接收作为传感器数据的磁数据和加速度数据，计算相关值。攻击判定部(22)从相关计算部(21)取得相关值，从传感器融合部(12)取得在传感器融合的过程中计算出的重力向量的误差和地磁向量的误差作为误差数据。攻击判定部(22)对相关值与对应于相关值的阈值进行比较，对误差数据与对应于误差数据的阈值进行比较，由此，判定是否存在对倾斜传感器模块(1a)的攻击。

Description

攻击检测装置、攻击检测程序和攻击检测方法
技术领域
本发明涉及攻击检测装置、攻击检测程序和攻击检测方法。
背景技术
倾斜传感器经常用于飞行器和重型设备的姿势计测或姿势控制。特别地，被称作AHRS(Attitude Heading Reference System：姿态和航向参考系统)的倾斜传感器被称作惯性计测装置。AHRS由加速度传感器、陀螺仪传感器、磁传感器(罗盘)、处理器构成。在处理器中，对各种传感器数据进行信号处理，输出倾斜数据。将这样的传感器及进行该传感器的信号处理的模块称作传感器模块。
构成AHRS的各种传感器往往使用在成本及小型化方面有利的MEMS(MicroElectro Mechanical System：微电子机械系统)传感器。MEMS传感器是将机械部件和电子电路集成为一个的结构。
在AHRS中，根据从加速度传感器得到的加速度数据、从陀螺仪传感器得到的角速度数据、从磁传感器得到的磁数据，通过信号处理计算倾斜。这样，将用于融合不同的传感器数据来计测不同的物理信息的信号处理称作传感器融合。
在非专利文献1、2中，公开有使用卡尔曼滤波器的AHRS用的传感器融合算法。在基于非专利文献1、2的传感器融合算法中，从两种传感器计测相同的物理量，通过卡尔曼滤波器校正该物理量的误差，从而导出正确的计测值。具体而言，根据加速度传感器和陀螺仪传感器可知重力方向。另一方面，根据磁传感器和陀螺仪传感器可知地磁。因此，通过组合两者来计算世界坐标下的倾斜。
在使用传感器的计测和控制中，传感器数据的可靠性直接关系到系统的可靠性。因此，对传感器的攻击成为威胁。使用恶意软件以软件方式欺骗传感器数据的攻击可以通过现有的信息安全性技术来应对。
另一方面，对传感器照射物理信号并使传感器的状态物理地改变的以硬件方式欺骗的攻击仅通过现有的信息安全性技术是无法应对的。在非专利文献3、4中，公开有通过超声波分别欺骗MEMS陀螺仪传感器和MEMS加速度传感器的攻击方法。在超声波攻击中，着眼于MEMS传感器由弹簧和重物构成，通过使传感器强制地谐振而得到异常的传感器输出。
在非专利文献3中，作为硬件的对策，公开有将物理地遮蔽传感器以及变更传感器的谐振频率作为对策方式。
在非专利文献4中，作为硬件的对策，公开有将构成传感器的部件变更成难以受到超声波攻击影响的部件作为对策方式。并且，作为软件的对策，非专利文献4公开有将变更传感器的采样间隔作为对策方式。
现有技术文件
非专利文献
非专利文献1：Daniel Roetenberg,Henk J Luinge,Chris TM Baten,and PeterH Veltink.2005.Compensation of magnetic disturbances improves inertial andmagnetic sensing of human body segment orientation.IEEE Transactions onneural systems and rehabilitation engineering 13,3(2005),395-405.
非专利文献2：NXP Semiconductors.2016AN5023-Sensor Fusion KalmanFilters.
非专利文献3：Son,Yunmok,et al.“Rocking drones with intentional soundnoise on gyroscopic sensors.”24th USENIX Security Symposium(USENIX Security15).2015.
非专利文献4：Timothy Trippel,Ofir Weisse,Wenyuan Xu,Peter Honeyman,andKevin Fu.2017.WALNUT：Waging doubt on the integrity of mems accelerometerswith acoustic injection attacks.In Security and Privacy(EuroS&P),2017IEEEEuropean Symposium on.IEEE,3-18.
发明内容
发明要解决的课题
非专利文献3、4中公开的硬件的对策方式需要对传感器自身进行加工，成本升高。此外，覆盖传感器的方法有可能对其他传感器产生影响，有可能对计测性能产生不良影响。
非专利文献4中公开的软件的对策方式存在只能适用于有限的传感器的通用性的课题。这是由于，在对策方式的应用中，以传感器的使用者能够设定传感器的采样间隔为前提。
本发明的目的在于提供一种攻击装置，该攻击装置不需要对传感器自身进行加工，不会对其他传感器产生不良影响，能够在多个传感器中使用，检测对传感器的攻击检测。
用于解决课题的手段
本发明的攻击检测装置具有：
中间值取得部，其在传感器融合算法的执行中取得各个中间值，所述传感器融合算法是这样的算法：组合由种类不同的多个传感器观测的多个物理量来计算输出，并且计算所述多个物理量的各个所述中间值并使用各个所述中间值改变输出；以及
判定部，其通过对各个所述中间值与作为阈值的中间值阈值进行比较，判定是否存在对所述多个传感器中的至少一个传感器的攻击。
发明效果
根据本发明，能够提供一种攻击装置，该攻击装置不需要对传感器自身进行加工，不会对其他传感器产生不良影响，能够在多个传感器中使用，检测对传感器的攻击检测。
附图说明
图1是实施方式1的图，是攻击检测系统的结构图。
图2是实施方式1的图，是示出倾斜传感器模块的结构的图。
图3是实施方式1的图，是攻击检测装置的硬件结构图。
图4是实施方式1的图，是倾斜传感器模块的硬件结构图。
图5是实施方式1的图，是示出正常时的传感器数据的图。
图6是实施方式1的图，是示出正常时的相关值的图。
图7是实施方式1的图，是示出异常时的传感器数据的图。
图8是实施方式1的图，是示出异常时的相关值的图。
图9是实施方式1的图，是示出传感器融合算法的流程的图。
图10是实施方式1的图，是示出正常时的传感器融合中间值的图。
图11是实施方式1的图，是示出异常时的传感器融合中间值的图。
图12是实施方式1的图，是示出攻击检测系统的动作的时序图。
图13是实施方式1的图，是示出相关计算部的动作的流程图。
图14是实施方式1的图，是示出攻击判定部的动作的流程图。
图15是实施方式1的图，是示出攻击检测装置由电子电路实现的图。
具体实施方式
实施方式1
***结构的说明***
图1示出实施方式1的攻击检测系统30的结构。攻击检测系统30具有传感器模块1和控制器3。传感器模块1具有多个传感器数据输入部11、信号处理部12和攻击检测装置2。
攻击检测装置2具有相关计算部21和攻击判定部22。攻击判定部22具有阈值计数器220。相关计算部21是相似度计算部。攻击判定部22是中间值取得部。此外，攻击判定部22是判定部。
图2示出作为攻击检测系统30中的AHRS的具体例的倾斜传感器模块1a。图2是将传感器模块1具体化而成的倾斜传感器模块1a。在倾斜传感器模块1a中，多个传感器数据输入部11是陀螺仪传感器11a、加速度传感器11b、磁传感器11c。信号处理部12是传感器融合部12a。在倾斜传感器模块1a组装有攻击检测装置2。
图3示出攻击检测装置2的硬件结构。作为硬件，攻击检测装置2具有处理器23、存储器24、传感器数据输入接口25、信号处理中间值输入接口26和攻击判定结果输出接口27。此外，作为功能结构，处理器23具有相关计算部21和攻击判定部22。攻击判定部22具有阈值计数器220。相关计算部21、攻击判定部22的功能作为攻击检测程序来实现。在存储器24中存储有实现相关计算部21、攻击判定部22的功能的攻击检测程序。而且，处理器23执行实现相关计算部21、攻击判定部22的功能的攻击检测程序。另外，攻击检测程序可以存储在计算机能读取的记录介质中来提供，也可以作为程序产品来提供。
图4是在由倾斜传感器模块1a进行信号处理的处理器内实现攻击检测装置2的结构。即，图4是具有攻击检测功能的倾斜传感器模块1a的硬件结构。作为硬件，倾斜传感器模块1a具有陀螺仪传感器11a、加速度传感器11b、磁传感器11c、处理器13、存储器14、攻击判定结果输出接口15和倾斜输出接口16。
此外，作为功能结构，处理器13具有传感器融合部12a、相关计算部21和攻击判定部22。传感器融合部12a、相关计算部21和攻击判定部22的功能作为攻击检测程序来实现。在存储器14中存储有实现传感器融合部12a、相关计算部21和攻击判定部22的功能的攻击检测程序。而且，处理器13执行实现传感器融合部12a、相关计算部21、攻击判定部22的功能的攻击检测程序。如上所述，攻击检测程序可以存储在计算机能读取的记录介质中来提供，也可以作为程序产品来提供。
***动作的说明***
说明攻击检测装置2的动作。攻击检测装置2的动作是通过攻击检测装置2执行攻击检测程序进行的动作。攻击检测装置2的动作是攻击检测方法。
假设图2所示的倾斜传感器模块1a来说明攻击检测装置2的动作。在攻击检测装置2中，基于通过传感器数据之间的不匹配来检测攻击的特征，攻击检测装置2大致使用两种方法。
<第1方法>
检测传感器数据之间的不匹配的第1方法观察传感器数据之间的相关。
第1方法利用以下情况：在AHRS的正常动作中，各种传感器观测的物理状态一致，因此传感器数据之间出现较高的相关。特别是，加速度传感器11b和磁传感器11c分别具有重力和地磁这样的在某一地点指向一定方向的公共性。因此，两者相关较高。
<第2方法2>
检测传感器数据之间的不匹配的第2方法是观察传感器融合的中间值的方法。在此，在简单地称作传感器融合时，意味着执行传感器融合算法。
在第2方法中，假想通过计测传感器数据之间的误差并根据该误差修正计测值来计算倾斜的传感器融合算法。因此，攻击检测装置2通过观察传感器融合的误差，发现传感器观测的物理状态的不匹配。
例如，
(1)陀螺仪传感器11a和加速度传感器11b均能够观测重力。
(2)陀螺仪传感器11a和磁传感器11c均能够观测地磁。
因此，通过在计算倾斜的过程中观察通过传感器融合算法计算的重力误差和地磁误差，能够检测该两种传感器的组合的不匹配。
通过组合第1方法和第2方法，能够针对
(1)陀螺仪传感器11a和加速度传感器11b、
(2)陀螺仪传感器11a和磁传感器11c、
(3)加速度传感器11b和磁传感器11c
这三种全部组合检测不匹配。另外，以下，以实际的倾斜传感器模块1a为对象，示出本方法的有效性和实现性。构成作为对象的倾斜传感器模块1a的三种传感器全部具有X、Y、Z轴的3个轴。
首先，说明通过相关来检测传感器数据之间的不匹配的第1方法。在第1方法中，检查加速度传感器11b与磁传感器11c的匹配性。具体而言，通过对正常动作时与受到攻击的异常动作时的传感器数据的相关进行比较，表示该第1方法的有效性。
首先，求出正常动作时的相关。
图5示出正常动作时的传感器数据。图5是用手拿着倾斜传感器模块1a移动时的传感器数据。从左起表示加速度传感器11b、磁传感器11c、陀螺仪传感器11a的传感器数据。朝向图5的下方为X轴、Y轴、Z轴的传感器数据。各传感器数据的横轴是时间，纵轴是传感器的计测值。在正常时，从外观上看，加速度传感器11b和磁传感器11c的时间变化的状况相似。
图6是对加速度传感器11b和磁传感器11c的X轴、Y轴、Z轴分别计算相关系数的结果。在图6中，一边一个样本一个样本地错开，一边在某个时间窗计算分隔相关。其结果是，可知相关系数大致超过0.6，存在较高的相关。关于7～12秒，由于使倾斜传感器模块1a强烈地移动，因此相关下降。另外，在图6中，关于两个系列xi、yi(i＝1、2、……、n)，皮尔森的相关系数能够通过以下的相关式求出。
[式1]
Figure BDA0002725431380000061
[式2]
Figure BDA0002725431380000062
分别是xi、yi的算数平均。
接着，求出异常动作时的相关。
图7是用后述的参考文献1所示的方法对静止的倾斜传感器模块1a进行了攻击时的传感器数据。从图7的左起为加速度传感器11b、磁传感器11c、陀螺仪传感器11a的传感器数据。横轴和纵轴的值、X轴、Y轴、Z轴的传感器数据的排列与图5相同。在图7中，各个传感器受到攻击的影响。加速度传感器11b的各轴的传感器数据呈正弦波状地变化，磁传感器11c、陀螺仪传感器11a的传感器数据被固定成偏置状。
图8是对加速度传感器11b和磁传感器11c的X轴、Y轴、Z轴分别计算相关系数的结果。在图8中，与图6同样地，一边一个样本一个样本地错开，一边在某个时间窗计算分割相关。其结果是，可知在整个时间内，相关系数大致收敛于-0.5至0.5，不存在相关。比较图6所示的正常时的相关和图8所示的攻击时的相关可知，通过在相关值超过一定阈值的情况下判断为攻击，能够判断是否有攻击。在该情况下，针对阈值，在相关值小于阈值的情况下，能够判定为攻击。此外，叙述了即使在正常动作时，在使倾斜传感器模块1a强烈地移动时相关也下降的情况，但是，对此，通过根据相关下降一定时间判断为攻击，能够区别误差和攻击。即，在攻击的情况下，与误差的情况相比，相关值较低的状态持续较长时间。
这种对AHRS的攻击在以下的参考文献1中进行了说明。
参考文献1：梨本、铃木等，《关于传感器融合的抗攻击性的安全性评估》、SCIS20182018Symposium on Cryptograrhy and Information Security Niigata,Japan,Jan.23-26,2018,The Institute of Electronics,Information and Communication Engineers.
接着，说明使用传感器融合的中间值来检测不匹配的第2方法。为此，首先根据非专利文献2，说明传感器融合的技术。
图9示出传感器融合的流程。图9示出传感器融合部12a的动作。以下的说明假设是图2的倾斜传感器模块1a。输入是陀螺仪传感器11a、加速度传感器11b、磁传感器11c的传感器数据，输出是倾斜。传感器数据分别具有X、Y、Z的3个轴，按照加速度传感器11b、磁传感器11c、陀螺仪传感器11a的顺序以向量表示成<Gk>、<Bk>、<Yk>。另外，为了方便起见，“*”的标记表示*是向量。另外，k表示传感器融合的反复处理的第k个。倾斜用称作滚动、俯仰、偏航的欧拉角给出，分别表示成
Figure BDA0002725431380000071
θk、ψk。在传感器融合的内部处理中，倾斜用三维的旋转矩阵[Rk]或四元数q表示，并且两者可以相互转换。另外，为了方便起见，[*]的标记表示*是矩阵。<q>是仅取出四元数q的向量部的表现。
在AHRS的传感器融合中，地磁向量和重力向量具有重要作用。地磁向量<m>是与地球的磁场并行的单位向量，重力向量是指向地球中心的单位向量。当给出<m>和<g>时，重要的是唯一地求出倾斜。此外，相反地，还能够根据倾斜计算<m>和<g>。
以下，叙述以后所需的基本定义。另外，记法依照非专利文献2。作为前提，世界坐标下的倾斜([Rk])作为三维的旋转矩阵由以下的式(1)给出。
[式3]
Figure BDA0002725431380000081
此外，传感器数据与旋转矩阵的关系如以下的式(2)那样定义。
[式4]
Figure BDA0002725431380000082
关于该式(2)，能够如以下那样说明。在本算法中，特别采用NED(North、East、Down)坐标。因此，[Rk]的Z轴表示重力方向，因此，仅由加速度传感器11b计算。由于磁传感器11c朝向下侧表示朝北，因此，<Gk>与<Bk>的向量积沿着Y轴表示East方向。剩余的X轴可以作为两者的向量积来计算。
根据以上的基本式，说明图9的传感器融合部的流程。在图9的步骤S301中，根据六自由度(six degree of freedom：6DOF)的传感器数据计算地磁向量<mk 6DOF>、重力向量<gk 6DOF>和观测误差<Qk>。地磁向量用三维空间(X、Y、Z坐标)表示地球具有的磁场。地磁向量是以下的式(3)。
同样地，重力向量表示重力场。重力向量是以下的式(4)。
即，
[式5]
Figure BDA0002725431380000083
Figure BDA0002725431380000084
此外，观测误差<Qv、k>的干扰和传感器噪声成为主成分。
干扰存在加速<Qa、k>和磁干扰<Qd、k>。
传感器噪声在加速度传感器中具有<QvB、k>，在罗盘中具有<QvG、k>。
因此，没有观测误差能够用以下的式(5)、式(6)表示。
[式6]
QvB，k+Qd，k≈3(|Bk|-B)2＝0 (5)
QvG，k+Qa，k≈3(|Gk|-g)2＝0 (6)
其中，<g>表示重力加速度，<B>表示周边地磁量。
在图9的步骤S302中，从陀螺仪<Yk>中求出倾斜。因此，只要对之前的倾斜的估计值q+ k-1累计由陀螺仪计测出的角速度即可。首先，陀螺仪用偏移<b- k>补偿漂移，用下式(7)表示。
[式7]
Figure BDA0002725431380000091
接着，倾斜的事先估计值如以下的式(8)那样。
[式8]
Figure BDA0002725431380000092
其中，δt是卡尔曼滤波器的更新间隔。
Δq是将角度|(ω- k)|δt变换成旋转的四元数，如以下的式(9)所示。
[式9]
Figure BDA0002725431380000093
如果便用利用陀螺仪而求出的倾斜q- k，则能够根据式(2)求出重力和地磁的朝向。将它们称作重力向量<gk ->和地磁向量<mk ->。
至此，得到通过两种方法求出的重力向量和地磁向量的组
{<gk 6DOF>、<mk 6DOF>、}和{<gk ->、<mk ->}。
在图9的步骤S303中，对{<gk 6DOF>、<mk 6DOF>、}与{<gk ->、<mk ->}进行比较，计算每个重力向量、地磁向量的误差的事先估计。
<gk 6DOF>和<gk ->的误差是使一方与另一方一致的旋转四元数qzgε、k，能够根据<gk 6DOF>和<gk ->求出。
同样地，求出<mk 6DOF>与<mk ->的误差qzmε、k。
一般而言，用于使向量<r>与另一个向量<s>一致的旋转四元数能够如以下的式(9-1)那样求出。
[式10]
Figure BDA0002725431380000101
其中，·和X分别表示向量的数量积和向量积。
能够使用式9-1来计算表示误差的两种旋转四元数。
在图9的步骤S304中，使用卡尔曼滤波器求出误差的事后估计。首先，卡尔曼增益使用卡尔曼滤波器模型的误差<QW、k>和观测误差<Qv、k>，如以下的式(10)那样表示。
[式11]
Figure BDA0002725431380000102
其中，[Ck]在卡尔曼滤波器中被称作观测矩阵。
观测误差的事后估计x+ ε、k用以下的式(11)给出。
[式12]
Figure BDA0002725431380000103
在图9的步骤S305中，使用误差的事后估计来校正来自陀螺仪的地磁向量、重力向量的事先估计，得到倾斜的事后估计。地磁向量<mk ->和重力向量<gk ->的事后估计使事先估计旋转误差量而由以下的式(12)、式(13)给出。
[式13]
Figure BDA0002725431380000104
Figure BDA0002725431380000105
在式12、式13中，*表示共轭。
并且，将式(12)、(13)代入式(2)中，得到倾斜的事后估计[RK +]。最后，倾斜即滚动
Figure BDA0002725431380000106
俯仰θk、偏航角ψk如以下的式(14)那样表示。
[式14]
Figure BDA0002725431380000111
通过反复以上的处理，依次计算倾斜。
在攻击检测装置2的攻击检测中，观察通过图9的步骤S303的误差而计算的重力向量的误差qzgε、k、地磁向量的误差qzmε、k，判断是否有攻击。即，攻击检测装置2仅关注于旋转四元数的向量成分。
使用由图5、图7分别表示的正常时和异常时的传感器数据来具体地说明。
图10示出正常时的地磁向量的误差、重力向量的误差。图10的六个曲线图的横轴是时间，纵轴是误差。
图11示出攻击时的地磁向量的误差、重力向量的误差。图11的六个曲线图与图10的六个曲线图对应。当对图10与图11进行比较时，攻击时的误差较大。特别是，关于重力向量，该差显著。关于观察误差来检测传感器之间的不匹配的方法，也通过在误差超过一定阈值的情况下判断为攻击，能够判定是否有攻击。
将以上的2个不匹配检测方法应用于攻击检测装置2。
图12是示出包含攻击检测装置2的攻击检测系统30的动作的时序图。使用图12，说明攻击检测装置2的动作。
在步骤S11中，陀螺仪传感器11a向传感器融合部12a发送角速度数据。
在步骤S12中，加速度传感器11b向传感器融合部12a发送加速度数据。
在步骤S13中，磁传感器11c向传感器融合部12a发送磁数据。
在步骤S14中，传感器融合部12a将加速度数据、磁数据发送到相关计算部21。
然后，如在图9的说明中所述，传感器融合部12a使用角速度数据、加速度数据、磁数据进行传感器融合。由此，利用传感器融合部12a计算倾斜。此外，在传感器融合部12a计算倾斜的过程中，求出作为各传感器计测出的物理量的误差的传感器融合部误差数据。在步骤S15中，传感器融合部12a将作为信号处理中间值的传感器融合误差数据发送到攻击判定部22。
相关计算部21计算加速度数据与磁数据的相关。在步骤S16中，相关计算部21向攻击判定部22发送计算出的相关值。在步骤S17中，攻击判定部22根据传感器融合误差数据和相关值判定是否有攻击，将判定结果发送到控制器3。
图13是示出相关计算部21的动作的流程图。参照图13，说明相关计算部21的动作。
在步骤S101中，相关计算部21从传感器融合部12a接收加速度数据和磁数据。
在步骤S102中，相关计算部21计算加速度数据与磁数据的相关系数。
在步骤S103中，相关计算部21将相关值发送到攻击判定部22。
这样，作为相似度计算部的相关计算部21取得作为多个传感器中的2个传感器的加速度传感器11b和磁传感器11c的传感器数据，计算2个传感器数据的相关值作为相似度。如后所述，攻击判定部22通过对相似度阈值与作为相似度的相关值进行比较，判定是否存在对多个传感器中的至少一个传感器的攻击。
另外，计算相似度的2个传感器的能够观测的物理量不同。具体而言，加速度传感器11b的能够观测的物理量是重力，磁传感器11c的能够观测的物理量是地磁。
图14是示出攻击判定部22的动作的流程图。参照图14，说明攻击判定部22的动作。攻击判定部22使用相关值和传感器融合误差数据对各自是否超过阈值进行计数，在该计数超过阈值的情况下，判定为有攻击。以下，具体地进行说明。
在步骤S201中，攻击判定部22使阈值计数器220初始化。
在步骤S202中，攻击判定部22从相关计算部21接收相关值。
在步骤S203中，攻击判定部22针对各轴判定相关值是否超过预先设定的每个轴的相关值阈值。在超过的情况下，在步骤S204中，攻击判定部22对阈值计数器220进行递增计数。存在3个轴，因此，关于相关值的计数器的上限为3。
阈值为X轴的阈值、Y轴的阈值、Z轴的阈值这3个。分别设它们为阈值1、阈值2、阈值3。将阈值1、阈值2和阈值3称作相似度阈值。阈值1为X轴的阈值，阈值2为Y轴的阈值，阈值3为Z轴的阈值。
在步骤S205中，攻击判定部22从传感器融合部12a接收作为信号处理中间值的传感器融合误差数据。
在步骤S206中，攻击判定部22关于重力向量和地磁向量的两种物理量，判定各轴的误差是否超过阈值。关于两种误差分别进行3个轴的判定，因此，关于误差的计数器的上限为6。具有关于重力向量3个轴且关于地磁向量3个轴的合计6个轴，但是，各轴具有阈值。
设重力向量的X轴、Y轴、Z轴的阈值为阈值4、阈值5、阈值6。设地磁向量的X轴、Y轴、Z轴的阈值为阈值7、阈值8、阈值9。将阈值4～阈值9称作中间值阈值。
如果各误差超过对应的阈值，则攻击判定部22对阈值计数器进行递增计数，如果误差不超过误差阈值，则攻击判定部22不对阈值计数器进行递增计数(步骤S207)。
阈值为阈值1～阈值9，因此，根据步骤S203和步骤S206，阈值计数器220最大为9，最小为0。
在步骤S208中，攻击判定部22判定阈值计数器220是否超过预先规定的阈值。该阈值是与阈值1～阈值9不同的用于阈值计数器220的阈值。将该阈值称作计数器阈值。在阈值计数器220超过计数器阈值的情况下，攻击判定部22判断为有攻击，将异常的通知发送到控制器3(步骤S209)。在阈值计数器220未超过计数器阈值的情况下，攻击判定部22判断为无攻击，将正常的通知发送到控制器3(步骤S210)。
例如，如果设计数器阈值为1，则在哪怕与阈值1～阈值9进行比较的一个值超过阈值的情况下，攻击判定部22也判定为有攻击。此外，如果设计数器阈值为5，则在与阈值1～阈值9进行比较的9个值中的6个以上超过阈值的情况下，攻击判定部22判定为有攻击。
如上所述，攻击判定部22在传感器融合算法的执行中，取得各个中间值。传感器融合部12a执行的传感器融合算法是组合由作为种类不同的多个传感器的陀螺仪传感器11a、加速度传感器11b和磁传感器11c观测的多个物理量来计算输出的算法。这里，多个物理量是重力和地磁。传感器融合算法是计算作为多个物理量的各个中间值的重力向量的误差qzgε、k和地磁向量的误差qzmε、k并使用各个中间值来改变输出的算法。
这样，各个中间值是由种类不同的多个传感器观测的多个物理量的各个误差数据。
攻击判定部22通过对作为各个中间值的重力向量的误差qzgε、k及地磁向量的误差qzmε、k与作为中间值阈值的阈值4～阈值9进行比较，判定是否存在对多个传感器中的至少一个传感器的攻击。
另外，相关计算部21也可以代替皮尔森的相关系数，而用以下所示的方法计算相似度。
(1)相关计算部21计算相互相关、相互信息量或似然度。
(2)相关计算部21计算几何学距离(欧几里得距离、马哈拉诺比斯距离、曼哈顿距离、切比雪夫距离、明科夫斯基距离等)。
攻击判定部22能够根据中间值的种类对中间值阈值进行加权，根据2个传感器数据的种类对相似度阈值进行加权。中间值阈值的加权可以变更中间值阈值，也可以变更中间值。同样地，相似度阈值的加权可以变更相似度阈值，也可以变更相似度。
具体而言，攻击判定部22能够通过如下所述的方法实现阈值计数器220。
(1)对在相关值和误差分别超过阈值的情况下计数的值进行加权，或者通过使阈值自身发生变化来进行加权。例如，在传感器数据之间存在难以出现相关的传感器数据的组合的情况下，通过将与根据该组合而计算出的相关值进行比较的阈值的值设定得较高，来降低重要度。
(2)根据进行与阈值的比较的轴，对在超过阈值的情况下计数的值进行加权，或者通过使阈值自身发生变化来进行加权。例如，在具有加速度传感器的移动机器人中，在已知仅沿水平方向前进的情况下，通过将与关于表示重力方向的轴(例如Z轴)的重力向量误差进行比较的阈值的值设定得较高，来降低重要度。
(3)将相关值及误差与分别对应于相关值及误差的阈值之差存储到阈值计数器中。
(4)对在上述(3)中存储的值，根据相关值或误差或者轴的种类进行加权。
信号处理部12除了在实施方式1中叙述的基于卡尔曼滤波器的传感器融合算法以外，还通过如以下那样进行状态估计的算法来实现。
(1)使用粒子过滤器的传感器融合算法。
(2)使用贝叶斯滤波器的传感器融合算法。
***实施方式1的效果的说明***
实施方式1的攻击检测装置2在观测到传感器之间因攻击而不同的物理状态的情况下，能够使用较低地输出相关值以及传感器融合的误差变大的情况，根据传感器数据之间的不匹配来检测对传感器的攻击。
此外，即使是内部构造不明的黑匣子传感器，通过取出传感器数据和信号处理的中间值并另行连接攻击检测装置，也能够导入攻击检测的结构。因此，能够在不对传感器进行加工的情况下检测攻击。
此外，由于攻击检测装置2与传感器的计测独立地进行攻击检测，因此不会对传感器的计测带来不良影响。
在实施方式1中，说明了使用陀螺仪传感器11a、加速度传感器11b、磁传感器11c作为传感器的倾斜传感器模块。不限于此，倾斜传感器模块也可以具有加速度传感器、陀螺仪传感器、磁传感器、倾斜传感器中的2种以上。
此外，不限于倾斜传感器，也可以是具有加速度传感器、陀螺仪传感器、磁传感器、超声波传感器、光传感器、照相机、GPS传感器中的2种以上传感器的位置传感器。
此外，不限于倾斜传感器，也可以是具有雷达、超声波传感器、光传感器、照相机中的2种以上传感器的测距传感器。
此外，不限于倾斜传感器，也可以是具有温度传感器、湿度传感器、放射线传感器、pH传感器、照相机中的2种以上传感器的土壤传感器。
***硬件结构的说明***
最后，进行攻击检测装置2的硬件结构的补充说明。另外，以下的说明也适用于倾斜传感器模块1a。
处理器23是CPU(Central Processing Unit：中央处理单元)、DSP(DigitalSignal Processor：数字信号处理器)等。
存储器24是RAM(Random Access Memory：随机存取存储器)、ROM(Read OnlyMemory：只读存储器)、闪存、HDD(Hard Disk Drive：硬盘驱动器)、SSD(Solid StateDrive：固态硬盘)等。
传感器数据输入接口25、信号处理中间值输入接口26、攻击判定结果输出接口204是I2C(Inter-Integrated Circuit：内部集成电路)接口、SPI(Serial PeripheralInterface：串行外设接口)和Ethernet(注册商标)接口等。
此外，也可以将信号处理部12、相关计算部21、攻击判定部22的“部”替换成“电路”或“工序”或“过程”或“处理”。
此外，攻击检测装置2也可以通过逻辑IC(Integrated Circuit：集成电路)、GA(Gate Array：门阵列)、ASIC(Application Specific Integrated Circuit：专用集成电路)、FPGA(Field-Programmable Gate Array：现场可编程门阵列)这样的电子电路来实现。
另外，也将处理器和上述电子电路统称作处理线路。
图15是由电子电路99实现攻击检测装置2的图。通过电子电路99来实现表示成处理器23的“部”的功能、存储器24的功能、传感器数据输入接口25的功能、信号处理中间值输入接口26和攻击判定结果输出接口27的功能。
电子电路99与信号线99a连接。具体而言，电子电路99是单一电路、复合电路、程序化的处理器、并行程序化的处理器、逻辑IC、GA(Gate Array：门阵列)、ASIC(ApplicationSpecific Integrated Circuit：专用集成电路)或者FPGA(Field-Programmable GateArray：现场可编程门阵列)。
标号说明
1：传感器模块；1a：倾斜传感器模块；2：攻击检测装置；3：控制器；11：传感器数据输入部；11a：陀螺仪传感器；11b：加速度传感器；11c：磁传感器；12：信号处理部；12a：传感器融合部；13：处理器；14：存储器；15：攻击判定结果输出接口；16：倾斜输出接口；21：相关计算部；22：攻击判定部；23：处理器；24：存储器；25：传感器数据输入接口；26：信号处理中间值输入接口；27：攻击判定结果输出接口；30：攻击检测系统；99：电子电路；99a：信号线；220：阈值计数器。

Claims (8)

1.一种攻击检测装置，其中，该攻击检测装置具有：
中间值取得部，其在传感器融合算法的执行中取得各个中间值，所述传感器融合算法是这样的算法：组合由种类不同的多个传感器观测的多个物理量来计算输出，并且计算所述多个物理量的各个所述中间值并使用各个所述中间值改变输出；以及
判定部，其通过对各个所述中间值与作为阈值的中间值阈值进行比较，判定是否存在对所述多个传感器中的至少一个传感器的攻击。
2.根据权利要求1所述的攻击检测装置，其中，
各个所述中间值是由种类不同的多个传感器观测的多个物理量的各个误差数据。
3.根据权利要求1或2所述的攻击检测装置，其中，
所述攻击检测装置还具有相似度计算部，该相似度计算部取得所述多个传感器中的2个传感器的传感器数据，计算2个传感器数据的相似度，
所述判定部通过对作为阈值的相似度阈值与所述相似度进行比较，判定是否存在对所述多个传感器中的至少一个传感器的攻击。
4.根据权利要求3所述的攻击检测装置，其中，
所述2个传感器的能够观测的物理量不同。
5.根据权利要求3或4所述的攻击检测装置，其中，
所述相似度计算部计算相关值作为所述相似度。
6.根据权利要求3所述的攻击检测装置，其中，
所述判定部根据所述中间值的种类对所述中间值阈值进行加权，根据2个传感器数据的种类对所述相似度阈值进行加权。
7.一种攻击检测程序，该攻击检测程序使计算机执行以下处理：
在传感器融合算法的执行中取得各个中间值，所述传感器融合算法是这样的算法：组合由种类不同的多个传感器观测的多个物理量来计算输出，并且计算所述多个物理量的各个所述中间值并使用各个所述中间值改变输出；以及
通过对各个所述中间值与作为阈值的中间值阈值进行比较，判定是否存在对所述多个传感器中的至少一个传感器的攻击。
8.一种攻击检测方法，其中，
计算机在传感器融合算法的执行中取得各个中间值，所述传感器融合算法是这样的算法：组合由种类不同的多个传感器观测的多个物理量来计算输出，并且计算所述多个物理量的各个所述中间值并使用各个所述中间值改变输出，
计算机通过对各个所述中间值与作为阈值的中间值阈值进行比较，判定是否存在对所述多个传感器中的至少一个传感器的攻击。
CN201880092422.2A 2018-04-24 2018-04-24 攻击检测装置、计算机能读取的记录介质和攻击检测方法 Active CN111971533B (zh)

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
PCT/JP2018/016647 WO2019207652A1 (ja) 2018-04-24 2018-04-24 攻撃検知装置、攻撃検知プログラム及び攻撃検知方法

Publications (2)

Publication Number Publication Date
CN111971533A true CN111971533A (zh) 2020-11-20
CN111971533B CN111971533B (zh) 2022-05-31

Family

ID=68293532

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201880092422.2A Active CN111971533B (zh) 2018-04-24 2018-04-24 攻击检测装置、计算机能读取的记录介质和攻击检测方法

Country Status (5)

Country Link
US (1) US20200394302A1 (zh)
EP (1) EP3767246B1 (zh)
JP (1) JP6746037B2 (zh)
CN (1) CN111971533B (zh)
WO (1) WO2019207652A1 (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114527651A (zh) * 2022-01-21 2022-05-24 深圳市三旺通信股份有限公司 控制系统攻击检测方法、检测系统、设备和存储介质

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11652839B1 (en) * 2019-05-02 2023-05-16 Architecture Technology Corporation Aviation system assessment platform for system-level security and safety
US20220397425A1 (en) * 2019-11-07 2022-12-15 Sony Group Corporation Denoising apparatus, denoising method, and unmanned aerial vehicle
DE102021207471A1 (de) * 2021-07-14 2023-01-19 Robert Bosch Gesellschaft mit beschränkter Haftung Techniken zum absichern eines computer-basierten klassifiaktors
CN113741372B (zh) * 2021-09-08 2023-01-24 南京富岛信息工程有限公司 一种降低工业过程控制系统偏差攻击误报的方法
CN114338161B (zh) * 2021-12-28 2022-08-16 山东省计算中心（国家超级计算济南中心） 面向隐私保护的信息物理系统的攻击检测方法及装置

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103712642A (zh) * 2013-12-20 2014-04-09 大唐微电子技术有限公司 一种实现安全检测器自我检测的方法及装置
US8957812B1 (en) * 2010-11-12 2015-02-17 Position Imaging, Inc. Position tracking system and method using radio signals and inertial sensing
US20170264629A1 (en) * 2016-03-10 2017-09-14 Siemens Aktiengesellschaft Production process knowledge-based intrusion detection for industrial control systems
EP3239884A1 (en) * 2016-04-25 2017-11-01 General Electric Company Domain level threat detection for industrial asset control system
US20180004948A1 (en) * 2016-06-20 2018-01-04 Jask Labs Inc. Method for predicting and characterizing cyber attacks
WO2018055748A1 (ja) * 2016-09-26 2018-03-29 三菱電機株式会社 信号処理装置、信号処理方法及び信号処理プログラム
CN107871405A (zh) * 2016-09-27 2018-04-03 罗克韦尔柯林斯公司 利用视觉信息进行空中碰撞威胁的检测与评估

Family Cites Families (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006350707A (ja) * 2005-06-16 2006-12-28 Hitachi Ltd 検出手段の故障診断装置
JP2012042285A (ja) * 2010-08-17 2012-03-01 Ono Sokki Co Ltd ヨー角初期化異常判定装置及び方法
JP6253455B2 (ja) * 2014-03-07 2017-12-27 リコーエレメックス株式会社 姿勢検出装置
JP2019082328A (ja) * 2016-02-16 2019-05-30 株式会社日立製作所 位置推定装置
CN109219785B (zh) * 2016-06-03 2021-10-01 深圳市大疆创新科技有限公司 一种多传感器校准方法与系统
US10417413B2 (en) * 2017-10-10 2019-09-17 The Florida International University Board Of Trustees Context-aware intrusion detection method for smart devices with sensors
US11644834B2 (en) * 2017-11-10 2023-05-09 Nvidia Corporation Systems and methods for safe and reliable autonomous vehicles

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8957812B1 (en) * 2010-11-12 2015-02-17 Position Imaging, Inc. Position tracking system and method using radio signals and inertial sensing
CN103712642A (zh) * 2013-12-20 2014-04-09 大唐微电子技术有限公司 一种实现安全检测器自我检测的方法及装置
US20170264629A1 (en) * 2016-03-10 2017-09-14 Siemens Aktiengesellschaft Production process knowledge-based intrusion detection for industrial control systems
EP3239884A1 (en) * 2016-04-25 2017-11-01 General Electric Company Domain level threat detection for industrial asset control system
US20180004948A1 (en) * 2016-06-20 2018-01-04 Jask Labs Inc. Method for predicting and characterizing cyber attacks
WO2018055748A1 (ja) * 2016-09-26 2018-03-29 三菱電機株式会社 信号処理装置、信号処理方法及び信号処理プログラム
CN107871405A (zh) * 2016-09-27 2018-04-03 罗克韦尔柯林斯公司 利用视觉信息进行空中碰撞威胁的检测与评估

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114527651A (zh) * 2022-01-21 2022-05-24 深圳市三旺通信股份有限公司 控制系统攻击检测方法、检测系统、设备和存储介质

Also Published As

Publication number Publication date
EP3767246A4 (en) 2021-03-10
JP6746037B2 (ja) 2020-08-26
EP3767246A1 (en) 2021-01-20
EP3767246B1 (en) 2022-08-10
US20200394302A1 (en) 2020-12-17
CN111971533B (zh) 2022-05-31
JPWO2019207652A1 (ja) 2020-07-30
WO2019207652A1 (ja) 2019-10-31

Similar Documents

Publication Publication Date Title
CN111971533B (zh) 攻击检测装置、计算机能读取的记录介质和攻击检测方法
US20190236399A1 (en) Visual-inertial sensor fusion for navigation, localization, mapping, and 3d reconstruction
Feng et al. Efficient drone hijacking detection using onboard motion sensors
EP2973127A1 (en) Heading confidence interval estimation
US20160363460A1 (en) Orientation model for inertial devices
CN109358344A (zh) 一种基于多源信息融合的无人机抗gps欺骗系统及方法
KR101985344B1 (ko) 관성 및 단일 광학 센서를 이용한 슬라이딩 윈도우 기반 비-구조 위치 인식 방법, 이를 수행하기 위한 기록 매체 및 장치
US10371787B2 (en) Emitter geolocation using sorted observations
CN107796387B (zh) 定位方法、定位装置和电子设备
US10309983B2 (en) Systems and methods for motion detection
CN106813679A (zh) 运动物体的姿态估计的方法及装置
Javed et al. Cascaded Kalman filtering-based attitude and gyro bias estimation with efficient compensation of external accelerations
US20170074689A1 (en) Sensor Fusion Method for Determining Orientation of an Object
CN109916398B (zh) 一种自适应四元数粒子滤波姿态数据融合方法
CN111024067A (zh) 一种信息处理方法、装置、设备及计算机存储介质
US8548194B1 (en) System and method for determining altitude
Parikh et al. Comparison of attitude estimation algorithms with IMU under external acceleration
Ma et al. A heading error estimation approach based on improved Quasi-static magnetic Field detection
Yao et al. A magnetic interference detection-based fusion heading estimation method for pedestrian dead reckoning positioning
CN116182850A (zh) 一种数字式训练枪械的测向与定位方法、系统、电子设备和存储介质
CN116958198A (zh) 基于视觉惯性里程计的运动轨迹漂移检测方法及装置
CN108072371B (zh) 定位方法、定位装置和电子设备
US10678337B2 (en) Context aware movement recognition system
Kundra et al. Bias compensation of gyroscopes in mobiles with optical flow
EP3893004A1 (en) Electronic device, correction method, and program

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant