Buchumschlag

Beyond Crash: Hijacking Your Autonomous Vehicle for Fun and Profit

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Sun, Qi, Abdo, Ahmed, Burbano, Luis, Li, Ziyang, Yao, Yaxing, Cardenas, Alvaro, Cao, Yinzhi
Format:	Preprint
Veröffentlicht:	2026
Schlagworte:	Cryptography and Security Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

CHAI: Command Hijacking against embodied AI
von: Burbano, Luis, et al.
Veröffentlicht: (2025)

A Robust Certified Machine Unlearning Method Under Distribution Shift
von: Guo, Jinduo, et al.
Veröffentlicht: (2026)

Vera Verto: Multimodal Hijacking Attack
von: Zhang, Minxing, et al.
Veröffentlicht: (2024)

Robust and Efficient AI-Based Attack Recovery in Autonomous Drones
von: Barbosa, Diego Ortiz, et al.
Veröffentlicht: (2025)

DiffusionHijack: Supply-Chain PRNG Backdoor Attack on Diffusion Models and Quantum Random Number Defense
von: You, Ziyang, et al.
Veröffentlicht: (2026)

Towards Lifecycle Unlearning Commitment Management: Measuring Sample-level Approximate Unlearning Completeness
von: Wang, Cheng-Long, et al.
Veröffentlicht: (2024)

FuncPoison: Poisoning Function Library to Hijack Multi-agent Autonomous Driving Systems
von: Long, Yuzhen, et al.
Veröffentlicht: (2025)

Seed Hijacking of LLM Sampling and Quantum Random Number Defense
von: You, Ziyang, et al.
Veröffentlicht: (2026)

Model Hijacking Attack in Federated Learning
von: Li, Zheng, et al.
Veröffentlicht: (2024)

Osmosis Distillation: Model Hijacking with the Fewest Samples
von: Shi, Yuchen, et al.
Veröffentlicht: (2026)

Exploring Widevine for Fun and Profit
von: Patat, Gwendal, et al.
Veröffentlicht: (2022)

Towards Lifecycle Unlearning Commitment Management: Measuring Sample-level Unlearning Completeness
von: Wang, Cheng-Long, et al.
Veröffentlicht: (2025)

Moshi Moshi? A Model Selection Hijacking Adversarial Attack
von: Petrucci, Riccardo, et al.
Veröffentlicht: (2025)

AutoRAN: Automated Hijacking of Safety Reasoning in Large Reasoning Models
von: Liang, Jiacheng, et al.
Veröffentlicht: (2025)

Hijacking Large Language Models via Adversarial In-Context Learning
von: Zhou, Xiangyu, et al.
Veröffentlicht: (2023)

MIP against Agent: Malicious Image Patches Hijacking Multimodal OS Agents
von: Aichberger, Lukas, et al.
Veröffentlicht: (2025)

AIJack: Let's Hijack AI! Security and Privacy Risk Simulator for Machine Learning
von: Takahashi, Hideaki
Veröffentlicht: (2023)

Trust Me, I Know This Function: Hijacking LLM Static Analysis using Bias
von: Bernstein, Shir, et al.
Veröffentlicht: (2025)

5G enabled Mobile Edge Computing security for Autonomous Vehicles
von: D'Costa, Daryll Ralph, et al.
Veröffentlicht: (2022)

SplitOut: Out-of-the-Box Training-Hijacking Detection in Split Learning via Outlier Detection
von: Erdogan, Ege, et al.
Veröffentlicht: (2023)

Mirror Mirror on the Wall, Have I Forgotten it All? A New Framework for Evaluating Machine Unlearning
von: Brimhall, Brennon, et al.
Veröffentlicht: (2025)

PLeak: Prompt Leaking Attacks against Large Language Model Applications
von: Hui, Bo, et al.
Veröffentlicht: (2024)

Coding Malware in Fancy Programming Languages for Fun and Profit
von: Apostolopoulos, Theodoros, et al.
Veröffentlicht: (2025)

Bitcoin Battle: Burning Bitcoin for Geopolitical Fun and Profit
von: Oosthoek, Kris, et al.
Veröffentlicht: (2025)

Hijack Vertical Federated Learning Models As One Party
von: Qiu, Pengyu, et al.
Veröffentlicht: (2022)

In-Context Representation Hijacking
von: Yona, Itay, et al.
Veröffentlicht: (2025)

Adversarial News and Lost Profits: Manipulating Headlines in LLM-Driven Algorithmic Trading
von: Rizvani, Advije, et al.
Veröffentlicht: (2026)

Image Hijacks: Adversarial Images can Control Generative Models at Runtime
von: Bailey, Luke, et al.
Veröffentlicht: (2023)

Breaking and Fixing Defenses Against Control-Flow Hijacking in Multi-Agent Systems
von: Jha, Rishi, et al.
Veröffentlicht: (2025)

Comment and Control: Hijacking Agentic Workflows via Context-Grounded Evolution
von: Fendley, Neil, et al.
Veröffentlicht: (2026)

Breaking Agents: Compromising Autonomous LLM Agents Through Malfunction Amplification
von: Zhang, Boyang, et al.
Veröffentlicht: (2024)

Seal Your Backdoor with Variational Defense
von: Sabolić, Ivan, et al.
Veröffentlicht: (2025)

Steering Beyond the Support: Adversarial Training on Unsupervised Jailbroken Activation Simulation
von: Chen, Luoyu, et al.
Veröffentlicht: (2026)

UDora: A Unified Red Teaming Framework against LLM Agents by Dynamically Hijacking Their Own Reasoning
von: Zhang, Jiawei, et al.
Veröffentlicht: (2025)

Empirical Analysis of Large Vision-Language Models against Goal Hijacking via Visual Prompt Injection
von: Kimura, Subaru, et al.
Veröffentlicht: (2024)

Excuse me, sir? Your language model is leaking (information)
von: Zamir, Or
Veröffentlicht: (2024)

Quantamination: Dynamic Quantization Leaks Your Data Across the Batch
von: Foerster, Hanna, et al.
Veröffentlicht: (2026)

Mitigation of Camouflaged Adversarial Attacks in Autonomous Vehicles--A Case Study Using CARLA Simulator
von: Martinez, Yago Romano, et al.
Veröffentlicht: (2025)

A Survey on Adversarial Robustness of LiDAR-based Machine Learning Perception in Autonomous Vehicles
von: Kim, Junae, et al.
Veröffentlicht: (2024)

Intrusion Detection in Internet of Vehicles Using Machine Learning
von: Le, Hop, et al.
Veröffentlicht: (2025)