論文の概要: Smart and Secure CAV Networks Empowered by AI-Enabled Blockchain: Next
Frontier for Intelligent Safe-Driving Assessment
- arxiv url: http://arxiv.org/abs/2104.04572v1
- Date: Fri, 9 Apr 2021 19:08:34 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 13:56:57.705805
- Title: Smart and Secure CAV Networks Empowered by AI-Enabled Blockchain: Next
Frontier for Intelligent Safe-Driving Assessment
- Title（参考訳）: AIによって実現されたスマートでセキュアなCAVネットワーク - インテリジェントな安全運転評価の次のフロンティア
- Authors: Le Xia, Yao Sun, Rafiq Swash, Lina Mohjazi, Lei Zhang, and Muhammad
Ali Imran
- Abstract要約: コネクテッド・自動運転車(CAV)の安全運転状況の確保は、引き続き広く懸念されている。
アルゴリズム対応型intElligent Safe-Driven AssessmentmenT(BEST)の新たなフレームワークを提案し、スマートで信頼性の高いアプローチを提供します。
- 参考スコア（独自算出の注目度）: 17.926728975133113
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Securing a safe-driving circumstance for connected and autonomous vehicles
(CAVs) continues to be a widespread concern despite various sophisticated
functions delivered by artificial intelligence for in-vehicle devices. Besides,
diverse malicious network attacks become ubiquitous along with the worldwide
implementation of the Internet of Vehicles, which exposes a range of
reliability and privacy threats for managing data in CAV networks. Combined
with another fact that CAVs are now limited in handling intensive computation
tasks, it thus renders a pressing demand of designing an efficient assessment
system to guarantee autonomous driving safety without compromising data
security. To this end, we propose in this article a novel framework of
Blockchain-enabled intElligent Safe-driving assessmenT (BEST) to offer a smart
and reliable approach for conducting safe driving supervision while protecting
vehicular information. Specifically, a promising solution of exploiting a long
short-term memory algorithm is first introduced in detail for an intElligent
Safe-driving assessmenT (EST) scheme. To further facilitate the EST, we
demonstrate how a distributed blockchain obtains adequate efficiency,
trustworthiness and resilience with an adopted byzantine fault tolerance-based
delegated proof-of-stake consensus mechanism. Moreover, several challenges and
discussions regarding the future research of this BEST architecture are
presented.
- Abstract（参考訳）: コネクテッド・自動運転車(CAV)の安全運転状況の確保は、車載デバイスに人工知能がもたらす様々な高度な機能にもかかわらず、広く懸念されている。
さらに、さまざまな悪意のあるネットワーク攻撃は、CAVネットワークでデータを管理するためのさまざまな信頼性とプライバシーの脅威を露呈するInternet of Vehiclesの世界的な実装とともに、ユビキタスなものになっている。
これにより、データセキュリティを損なうことなく自律運転安全性を保証するための効率的なアセスメントシステムを設計する必要性が高まっている。
この目的のために,本論文では,車両情報を保護しながら安全な運転監視を行うためのスマートで信頼性の高いアプローチとして,ブロックチェーン対応のintElligent Safe-Driving AssessmentmenT(BEST)を提案する。
具体的には、IntElligent Safe-driving AssessmentmenT (EST)スキームのために、長期記憶アルゴリズムを利用する有望なソリューションを最初に導入する。
estをさらに促進するために、分散型ブロックチェーンが、ビザンチンフォールトトレランスベースのデリゲートド・オブ・ステーク・コンセンサス機構を用いて、適切な効率、信頼性、レジリエンスを得る方法を示す。
さらに,このBESTアーキテクチャの今後の研究について,いくつかの課題と議論を行う。
関連論文リスト
- Securing Legacy Communication Networks via Authenticated Cyclic Redundancy Integrity Check [98.34702864029796]
認証サイクル冗長性チェック(ACRIC)を提案する。
ACRICは、追加のハードウェアを必要とせずに後方互換性を保持し、プロトコルに依存しない。
ACRICは最小送信オーバーヘッド(1ms)で堅牢なセキュリティを提供する。
論文 参考訳（メタデータ） (2024-11-21T18:26:05Z) - Navigating Connected Car Cybersecurity: Location Anomaly Detection with RAN Data [2.147995542780459]
ハイジャックやスパイ活動を含むサイバー攻撃は、コネクテッドカーに重大な脅威をもたらす。
本稿では,Radio Access Network (RAN) イベント監視による潜在的な攻撃を識別するための新しいアプローチを提案する。
本論文の主な貢献は,複数箇所に同時に出現するデバイスを識別する位置異常検出モジュールである。
論文 参考訳（メタデータ） (2024-07-02T22:42:45Z) - Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。
AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
論文 参考訳（メタデータ） (2024-05-14T09:42:21Z) - Towards Guaranteed Safe AI: A Framework for Ensuring Robust and Reliable AI Systems [88.80306881112313]
我々は、AI安全性に対する一連のアプローチを紹介し、定義する。
これらのアプローチの中核的な特徴は、高保証の定量的安全性保証を備えたAIシステムを作ることである。
これら3つのコアコンポーネントをそれぞれ作成するためのアプローチを概説し、主な技術的課題を説明し、それらに対する潜在的なソリューションをいくつか提案します。
論文 参考訳（メタデータ） (2024-05-10T17:38:32Z) - A Survey and Comparative Analysis of Security Properties of CAN Authentication Protocols [92.81385447582882]
コントロールエリアネットワーク(CAN)バスは車内通信を本質的に安全でないものにしている。
本稿では,CANバスにおける15の認証プロトコルをレビューし,比較する。
実装の容易性に寄与する本質的な運用基準に基づくプロトコルの評価を行う。
論文 参考訳（メタデータ） (2024-01-19T14:52:04Z) - Survey on Security Attacks in Connected and Autonomous Vehicular Systems [0.0]
本研究は,CAV環境におけるサイバーセキュリティの現状について概説する。
CAVのコンテキストにおけるサイバーセキュリティの脅威と弱点を、車両ネットワークに対する攻撃、インターネットに対する大規模な攻撃、その他の3つのグループに分類する。
CAVを確保するための最も最新の防衛戦術を詳述し、その効果を分析している。
論文 参考訳（メタデータ） (2023-10-14T06:37:05Z) - When Authentication Is Not Enough: On the Security of Behavioral-Based Driver Authentication Systems [53.2306792009435]
我々はランダムフォレストとリカレントニューラルネットワークアーキテクチャに基づく2つの軽量ドライバ認証システムを開発した。
我々は,SMARTCANとGANCANという2つの新しいエスケープアタックを開発することで,これらのシステムに対する攻撃を最初に提案する。
コントリビューションを通じて、これらのシステムを安全に採用する実践者を支援し、車の盗難を軽減し、ドライバーのセキュリティを高める。
論文 参考訳（メタデータ） (2023-06-09T14:33:26Z) - Spatial-Temporal-Aware Safe Multi-Agent Reinforcement Learning of
Connected Autonomous Vehicles in Challenging Scenarios [10.37986799561165]
通信技術はコネクテッド・自動運転車(CAV)間の協調を可能にする
CAVのための並列安全シールドを備えた制約付きマルチエージェント強化学習(MARL)フレームワークを提案する。
その結果,提案手法は難易度の高いシナリオにおいて,システムの安全性と効率を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2022-10-05T14:39:07Z) - Anomaly Detection in Intra-Vehicle Networks [0.0]
現代の車両は車内ネットワークや外部ネットワークを含む様々なネットワークに接続されている。
既存のプロトコルの抜け穴によって、車両ネットワークのサイバー攻撃は激増している。
本稿では,CANバスプロトコルのセキュリティ問題について議論し,既知の攻撃を検出する侵入検知システム(IDS)を提案する。
論文 参考訳（メタデータ） (2022-05-07T03:38:26Z) - Differentiable Control Barrier Functions for Vision-based End-to-End
Autonomous Driving [100.57791628642624]
本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。
我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
論文 参考訳（メタデータ） (2022-03-04T16:14:33Z) - A Multi-Agent Reinforcement Learning Approach For Safe and Efficient
Behavior Planning Of Connected Autonomous Vehicles [21.132777568170702]
我々は、コネクテッド・自動運転車のための情報共有型強化学習フレームワークを設計する。
提案手法は, 平均速度と快適性の観点から, CAV システムの効率性を向上させることができることを示す。
我々は,共用視覚が早期に障害物を観測し,交通渋滞を避けるために行動を起こすのに役立つことを示すために,障害物回避シナリオを構築した。
論文 参考訳（メタデータ） (2020-03-09T19:15:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。