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
- A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳(メタデータ) (2023-08-02T09:48:08Z) - Convergence of Communications, Control, and Machine Learning for Secure
and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。
本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文 参考訳(メタデータ) (2023-07-05T21:38:36Z) - Shared Information-Based Safe And Efficient Behavior Planning For
Connected Autonomous Vehicles [6.896682830421197]
我々は、連結自動運転車のための統合情報共有と安全なマルチエージェント強化学習フレームワークを設計する。
まず、重畳畳み込み畳み込みニューラルネットワーク(CNN)を用いて、生画像とポイントクラウドのLIDARデータを各自動運転車でローカルに処理する。
次に、車両の局部観測とV2V通信を介して受信した情報の両方を利用する安全なアクター批判アルゴリズムを設計する。
論文 参考訳(メタデータ) (2023-02-08T20:31:41Z) - Reinforcement Learning based Cyberattack Model for Adaptive Traffic
Signal Controller in Connected Transportation Systems [61.39400591328625]
接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。
この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。
そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。
RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
論文 参考訳(メタデータ) (2022-10-31T20:12:17Z) - 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) - COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked
Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。
われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文 参考訳(メタデータ) (2022-05-04T17:55:12Z) - 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) - Simulating Malicious Attacks on VANETs for Connected and Autonomous
Vehicle Cybersecurity: A Machine Learning Dataset [0.4129225533930965]
コネクテッド・アンド・オートマチック・ビークルズ(CAV)はVehicular Adhoc Networksに頼り、安全運転を支援するために車両と道路インフラストラクチャー間の無線通信を行っている。
サイバーセキュリティ攻撃はVANETとCAVの安全な運用に脅威をもたらす。
本研究では,悪質な攻撃を受ける可能性のある典型的な通信シナリオをモデル化するためのシミュレーション手法を提案する。
論文 参考訳(メタデータ) (2022-02-15T20:08:58Z) - AI in Smart Cities: Challenges and approaches to enable road vehicle
automation and smart traffic control [56.73750387509709]
SCCは、活動やユーティリティの自動化と最適化による効率向上を目指すデータ中心の社会を構想しています。
本稿では、SCCにおけるAIの視点を説明し、道路車両の自動化とスマート交通制御を可能にする交通で使用されるAIベースの技術の概要を示す。
論文 参考訳(メタデータ) (2021-04-07T14:31:08Z) - 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。