論文の概要: RX-ADS: Interpretable Anomaly Detection using Adversarial ML for
Electric Vehicle CAN data
- arxiv url: http://arxiv.org/abs/2209.02052v1
- Date: Mon, 5 Sep 2022 16:49:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-07 13:07:30.881346
- Title: RX-ADS: Interpretable Anomaly Detection using Adversarial ML for
Electric Vehicle CAN data
- Title（参考訳）: RX-ADS:電気自動車CANデータに対する逆MLを用いた解釈可能な異常検出
- Authors: Chathurika S. Wickramasinghe, Daniel L. Marino, Harindra S.
Mavikumbure, Victor Cobilean, Timothy D. Pennington, Benny J. Varghese, Craig
Rieger, Milos Manic
- Abstract要約: 本稿では,EVにおけるCANプロトコル通信における侵入検出のための解釈可能な異常検出システム(RX-ADS)を提案する。
提案したアプローチは、OTIDSとCar Hackingの2つのベンチマークCANデータセットでテストされた。
RX-ADSアプローチはHIDSアプローチ(OTIDSデータセット)に匹敵するパフォーマンスを示し、HIDSおよびGIDSアプローチ(Car Hackingデータセット)より優れています。
- 参考スコア（独自算出の注目度）: 0.8208704543835964
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Recent year has brought considerable advancements in Electric Vehicles (EVs)
and associated infrastructures/communications. Intrusion Detection Systems
(IDS) are widely deployed for anomaly detection in such critical
infrastructures. This paper presents an Interpretable Anomaly Detection System
(RX-ADS) for intrusion detection in CAN protocol communication in EVs.
Contributions include: 1) window based feature extraction method; 2) deep
Autoencoder based anomaly detection method; and 3) adversarial machine learning
based explanation generation methodology. The presented approach was tested on
two benchmark CAN datasets: OTIDS and Car Hacking. The anomaly detection
performance of RX-ADS was compared against the state-of-the-art approaches on
these datasets: HIDS and GIDS. The RX-ADS approach presented performance
comparable to the HIDS approach (OTIDS dataset) and has outperformed HIDS and
GIDS approaches (Car Hacking dataset). Further, the proposed approach was able
to generate explanations for detected abnormal behaviors arising from various
intrusions. These explanations were later validated by information used by
domain experts to detect anomalies. Other advantages of RX-ADS include: 1) the
method can be trained on unlabeled data; 2) explanations help experts in
understanding anomalies and root course analysis, and also help with AI model
debugging and diagnostics, ultimately improving user trust in AI systems.
- Abstract（参考訳）: 近年、電気自動車(ev)や関連するインフラや通信が大幅に進歩している。
侵入検知システム(IDS)は、このような重要なインフラにおける異常検出のために広く展開されている。
本稿では,EVにおけるCANプロトコル通信における侵入検出のための解釈可能な異常検出システム(RX-ADS)を提案する。
貢献は以下の通り。
1) ウィンドウベースの特徴抽出方法
2)ディープオートエンコーダに基づく異常検出方法,及び
3)敵対的機械学習に基づく説明生成手法。
提案したアプローチは、OTIDSとCar Hackingの2つのベンチマークCANデータセットでテストされた。
RX-ADSの異常検出性能は,これらのデータセット(HIDSとGIDS)の最先端手法と比較した。
RX-ADSアプローチはHIDSアプローチ(OTIDSデータセット)に匹敵するパフォーマンスを示し、HIDSとGIDSアプローチ(Car Hackingデータセット)を上回った。
さらに, 提案手法は, 様々な侵入から発生する異常行動に対する説明を生成することができた。
これらの説明は後にドメインの専門家が異常を検出するために使った情報によって検証された。
RX-ADSのその他の利点は以下のとおりである。
1) この方法はラベルのないデータで訓練することができる。
2) 説明は、専門家が異常やルートコースの分析を理解するのに役立つとともに、AIモデルのデバッグと診断に役立つ。
関連論文リスト
- Run-time Introspection of 2D Object Detection in Automated Driving
Systems Using Learning Representations [13.529124221397822]
ディープニューラルネットワーク(DNN)に基づく2次元物体検出のための新しいイントロスペクションソリューションを提案する。
KITTIとBDDのデータセットで評価された1段階および2段階のオブジェクト検出器を用いて,2次元オブジェクト検出におけるエラー検出のためのSOTAイントロスペクション機構を実装した。
性能評価の結果,提案手法はSOTA法より優れており,BDDデータセットのエラー率を9%から17%まで絶対的に削減できることがわかった。
論文 参考訳（メタデータ） (2024-03-02T10:56:14Z) - PANACEA: An Automated Misinformation Detection System on COVID-19 [49.83321665982157]
PANACEAは、新型コロナウイルス関連の主張に関するWebベースの誤情報検出システムである。
事実チェックと噂検出という2つのモジュールがある。
論文 参考訳（メタデータ） (2023-02-28T21:53:48Z) - Semi-supervised detection of structural damage using Variational
Autoencoder and a One-Class Support Vector Machine [0.0]
本稿では,構造異常を検出するためのデータ駆動型手法を用いた半教師付き手法を提案する。
IASC-ASCE 構造健康モニタリングタスクグループによって9つの損傷シナリオで試験されたスケールスチール構造に適用した。
論文 参考訳（メタデータ） (2022-10-11T07:39:08Z) - Self-Supervised and Interpretable Anomaly Detection using Network
Transformers [1.0705399532413615]
本稿では,異常検出のためのNetwork Transformer(NeT)モデルを提案する。
NeTは、解釈性を改善するために、通信ネットワークのグラフ構造を組み込んでいる。
提案手法は, 産業制御システムにおける異常検出の精度を評価することによって検証された。
論文 参考訳（メタデータ） (2022-02-25T22:05:59Z) - A2Log: Attentive Augmented Log Anomaly Detection [53.06341151551106]
異常検出は、ITサービスの信頼性とサービス性にとってますます重要になる。
既存の教師なし手法は、適切な決定境界を得るために異常な例を必要とする。
我々は,異常判定と異常判定の2段階からなる教師なし異常検出手法であるA2Logを開発した。
論文 参考訳（メタデータ） (2021-09-20T13:40:21Z) - DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly
detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。
通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。
その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文 参考訳（メタデータ） (2021-09-08T14:07:55Z) - An Explainable Artificial Intelligence Approach for Unsupervised Fault
Detection and Diagnosis in Rotating Machinery [2.055054374525828]
本稿では,回転機械の故障検出と診断のための新しい手法を提案する。
この手法は,特徴抽出,障害検出,障害診断の3つの部分からなる。
提案手法の有効性は,機械的故障の異なる3つのデータセットに示される。
論文 参考訳（メタデータ） (2021-02-23T18:28:18Z) - Dual Adversarial Auto-Encoders for Clustering [152.84443014554745]
教師なしクラスタリングのためのDual-AAE(Dual-AAE)を提案する。
Dual-AAEの目的関数に対する変分推論を行うことで,一対のオートエンコーダをトレーニングすることで最適化可能な新たな再構成損失を導出する。
4つのベンチマーク実験により、Dual-AAEは最先端のクラスタリング手法よりも優れた性能を発揮することが示された。
論文 参考訳（メタデータ） (2020-08-23T13:16:34Z) - Black-box Explanation of Object Detectors via Saliency Maps [66.745167677293]
対象検出器の予測のための視覚的説明を生成するD-RISEを提案する。
本稿では, YOLOv3などの1段検出器やFaster-RCNNのような2段検出器など, 異なる対象検出器に容易にD-RISEを適用可能であることを示す。
論文 参考訳（メタデータ） (2020-06-05T02:13:35Z) - Unsupervised Anomaly Detection with Adversarial Mirrored AutoEncoders [51.691585766702744]
本稿では,識別器のミラー化ワッサースタイン損失を利用して,よりセマンティックレベルの再構築を行う逆自動エンコーダの変種を提案する。
我々は,再建基準の代替として,異常スコアの代替尺度を提案した。
提案手法は,OOD検出ベンチマークにおける異常検出の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2020-03-24T08:26:58Z) - Multi-Objective Variational Autoencoder: an Application for Smart
Infrastructure Maintenance [1.2311105789643062]
マルチウェイセンシングデータにおけるスマートインフラストラクチャ損傷検出と診断のための多目的変分オートエンコーダ(MVA)手法を提案する。
そこで本手法では,複数のセンサから情報的特徴を抽出し,損傷同定に活用する。
論文 参考訳（メタデータ） (2020-03-11T01:30:08Z)
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。