.png){kind=icon}
返回
AVOID: Automated Void Detection in STL Files
.png){kind=icon}
PRE
AI
DOI：10.1109/TDSC.2025.3573652.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
增材制造是一个价值数十亿美元的产业（2024年为215.8亿美元），因此其工艺应具备可靠性和安全性。恶意行为者可以在STL文件中注入被称为空腔的负空间，这可能对最终产品质量造成灾难性影响。当前检测空腔的方法使用机器传感器或仿真数据，以及打印后的物理验证措施。然而，据我们所知，目前尚无仅基于STL层面检测隐藏空腔的方法。基于此层面的空腔检测成本低廉，并有望大规模检测设计中的空腔。在本工作中，我们提出了Avoid，一种用于检测隐藏空腔的新方法。该方法不仅能检测空腔，还能评估其对制造部件削弱的风险。Avoid根据每个检测到的空腔的大小和位置进行风险评估。我们使用多个大型数据集（总计数千个STL文件，每个文件包含多个隐藏空腔）对Avoid进行了实证评估。我们发现Avoid具有高度准确性，在六个数据集上的平均召回率为97.7%，精确率为98.1%，F1得分为99%。Avoid同样具有鲁棒性、可扩展性和高效性。我们发现，高风险空腔约占所有随机插入检测到的空腔的7%。
Keyword:
Additive manufacturing
security
void attack
STL file
期刊
IF:
7.5
论文数:
2.6K
被引数:
9.6K
机构
引用论文
.png){kind=icon}
分享收藏Cyber-physical vulnerabilities in additive manufacturing systems: A case study attack on the STL file with human subjects增材制造系统中的网络物理漏洞: 人类对STL文件的案例研究
OAAI
OAAI分享收藏What Did You Add to My Additive Manufacturing Data?: Steganographic Attacks on 3D Printing Files你向我的增材制造数据中添加了什么？：3D打印文件的隐写攻击
OAAI
OAAI分享收藏分享收藏
查看更多内容