論文の概要: VSRQ: Quantitative Assessment Method for Safety Risk of Vehicle Intelligent Connected System

• arxiv url: http://arxiv.org/abs/2305.01898v1
• Date: Wed, 3 May 2023 05:08:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-04 16:01:28.462898
• Title: VSRQ: Quantitative Assessment Method for Safety Risk of Vehicle Intelligent Connected System
• Title（参考訳）: vsrq:車両インテリジェント接続システムの安全リスクの定量的評価法
• Authors: Tian Zhang, Wenshan Guan, Hao Miao, Xiujie Huang, Zhiquan Liu, Chaonan Wang, Quanlong Guan, Liangda Fang, Zhifei Duan
• Abstract要約: I-FAHP と FCA クラスタリングを組み合わせた新しい車両リスク評価モデル VSRQ モデルを開発した。 我々はOpenPilotのモデルを評価し,VSRQモデルの有効性を実験的に実証した。
• 参考スコア（独自算出の注目度）: 6.499974038759507
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The field of intelligent connected in modern vehicles continues to expand, and the functions of vehicles become more and more complex with the development of the times. This has also led to an increasing number of vehicle vulnerabilities and many safety issues. Therefore, it is particularly important to identify high-risk vehicle intelligent connected systems, because it can inform security personnel which systems are most vulnerable to attacks, allowing them to conduct more thorough inspections and tests. In this paper, we develop a new model for vehicle risk assessment by combining I-FAHP with FCA clustering: VSRQ model. We extract important indicators related to vehicle safety, use fuzzy cluster analys (FCA) combined with fuzzy analytic hierarchy process (FAHP) to mine the vulnerable components of the vehicle intelligent connected system, and conduct priority testing on vulnerable components to reduce risks and ensure vehicle safety. We evaluate the model on OpenPilot and experimentally demonstrate the effectiveness of the VSRQ model in identifying the safety of vehicle intelligent connected systems. The experiment fully complies with ISO 26262 and ISO/SAE 21434 standards, and our model has a higher accuracy rate than other models. These results provide a promising new research direction for predicting the security risks of vehicle intelligent connected systems and provide typical application tasks for VSRQ. The experimental results show that the accuracy rate is 94.36%, and the recall rate is 73.43%, which is at least 14.63% higher than all other known indicators.
• Abstract（参考訳）: 現代の自動車におけるインテリジェント・コネクテッド(intelligent connected)の分野は拡大を続けており、時代が進むにつれて車両の機能はますます複雑になっていく。 これはまた、車両の脆弱性が増え、多くの安全性問題を引き起こした。 したがって、攻撃に対して最も脆弱なシステムをセキュリティ担当者に知らせ、より徹底的な検査や試験を行うことができるため、高リスク車両のインテリジェントな接続システムを特定することが特に重要である。 本稿では,i-fahpとfcaクラスタリングを組み合わせた車両リスクアセスメントモデルであるvsrqモデルを開発した。 車両の安全性に関する重要な指標を抽出し、ファジィクラスタ分析(fca)とファジィ分析階層処理(fahp)を組み合わせることで、車両インテリジェント接続システムの脆弱なコンポーネントを発掘し、脆弱なコンポーネントに対して優先度テストを行い、リスクを低減し、車両の安全性を確保する。 我々はOpenPilotのモデルを評価し,VSRQモデルの有効性を実験的に実証した。 この実験はISO 26262およびISO/SAE 21434標準に完全に準拠しており、我々のモデルは他のモデルよりも精度が高い。 これらの結果は、車両のインテリジェントな接続システムのセキュリティリスクを予測し、VSRQの典型的なアプリケーションタスクを提供する、有望な新しい研究方向を提供する。 実験の結果、精度は94.36%であり、リコール率は73.43%であり、他の既知の指標よりも少なくとも14.63%高い。

関連論文リスト

• VARS: Vision-based Assessment of Risk in Security Systems [1.433758865948252]
  本研究では、さまざまな機械学習モデルとディープラーニングモデルの比較分析を行い、100ビデオのカスタムデータセットで危険度を予測する。 危険度は3つのカテゴリに分類される: 警告なし (7未満) と高い警告なし (7以上) である。
  論文  参考訳（メタデータ） (2024-10-25T15:47:13Z)
• On the Role of Attention Heads in Large Language Model Safety [64.51534137177491]
  大規模言語モデル(LLM)は、複数の言語タスクにおいて最先端のパフォーマンスを達成するが、それらの安全ガードレールを回避できる。 モデル安全への個人的貢献を評価するため,マルチヘッド対応のための新しい指標として,安全ヘッドImPortant Score(Ships)を提案する。
  論文  参考訳（メタデータ） (2024-10-17T16:08:06Z)
• Passenger hazard perception based on EEG signals for highly automated driving vehicles [23.322910031715583]
  本研究は,乗用車間相互作用の神経機構を解明し,乗用車認知モデル(PCM)と乗用車脳波復号戦略(PEDS)の開発に繋がるものである。 Central to PEDSは、空間的および時間的脳波データパターンをキャプチャする新しい畳み込みリカレントニューラルネットワーク(CRNN)である。 我々の研究は、事前観測された脳波データの予測能力、危険シナリオの検出の強化、より安全な自動運転車のためのネットワーク駆動型フレームワークの提供を強調した。
  論文  参考訳（メタデータ） (2024-08-29T07:32:30Z)
• EAIRiskBench: Towards Evaluating Physical Risk Awareness for Task Planning of Foundation Model-based Embodied AI Agents [47.69642609574771]
  EAI(Embodied AI)は、高度なAIモデルを現実世界のインタラクションのための物理的なエンティティに統合する。 高レベルのタスク計画のためのEAIエージェントの"脳"としてのファンデーションモデルは、有望な結果を示している。 しかし、これらのエージェントの物理的環境への展開は、重大な安全性上の課題を呈している。 EAIRiskBenchは、EAIシナリオにおける自動物理的リスクアセスメントのための新しいフレームワークである。
  論文  参考訳（メタデータ） (2024-08-08T13:19:37Z)
• ASSERT: Automated Safety Scenario Red Teaming for Evaluating the Robustness of Large Language Models [65.79770974145983]
  ASSERT、Automated Safety Scenario Red Teamingは、セマンティックなアグリゲーション、ターゲットブートストラップ、敵の知識注入という3つの方法で構成されている。 このプロンプトを4つの安全領域に分割し、ドメインがモデルの性能にどのように影響するかを詳細に分析する。 統計的に有意な性能差は, 意味的関連シナリオにおける絶対分類精度が最大11%, ゼロショット逆数設定では最大19%の絶対誤差率であることがわかった。
  論文  参考訳（メタデータ） (2023-10-14T17:10:28Z)
• Identifying the Risks of LM Agents with an LM-Emulated Sandbox [68.26587052548287]
  言語モデル(LM)エージェントとツールは、豊富な機能セットを可能にすると同時に、潜在的なリスクを増幅する。 これらのエージェントを高いコストでテストすることは、高いリスクと長い尾のリスクを見つけるのをますます困難にします。 ツール実行をエミュレートするためにLMを使用し、さまざまなツールやシナリオに対してLMエージェントのテストを可能にするフレームワークであるToolEmuを紹介します。
  論文  参考訳（メタデータ） (2023-09-25T17:08:02Z)
• 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)
• Co-Design of Out-of-Distribution Detectors for Autonomous Emergency Braking Systems [4.406331747636832]
  学習可能なコンポーネント(LEC)は、トレーニングディストリビューション外のサンプルを提示すると、誤った判断をする。 オフ・オブ・ディストリビューション(OOD)検出器はそのようなサンプルを検出するために提案されており、それによって安全モニターとして機能する。 我々は,このリスクモデルを用いた共同設計手法を定式化し,OOD検出器の設計パラメータとベースラインシステムより低いリスクを減少させるLECを求める。
  論文  参考訳（メタデータ） (2023-07-25T11:38:40Z)
• Evolving Testing Scenario Generation Method and Intelligence Evaluation Framework for Automated Vehicles [12.670180834651912]
  本稿では、深部強化学習(DRL)を利用して、自動車両(AV)のテストおよびインテリジェンス評価のための人間のようなBVを作成する進化シナリオ生成手法を提案する。 その結果,提案シナリオは,他のベースラインシナリオと比較して高い複雑性を示し,自然主義駆動データと85%以上類似していることがわかった。
  論文  参考訳（メタデータ） (2023-06-12T14:26:12Z)
• Evaluating Model-free Reinforcement Learning toward Safety-critical Tasks [70.76757529955577]
  本稿では、国家安全RLの観点から、この領域における先行研究を再考する。 安全最適化と安全予測を組み合わせた共同手法であるUnrolling Safety Layer (USL)を提案する。 この領域のさらなる研究を容易にするため、我々は関連するアルゴリズムを統一パイプラインで再現し、SafeRL-Kitに組み込む。
  論文  参考訳（メタデータ） (2022-12-12T06:30:17Z)
• MTH-IDS: A Multi-Tiered Hybrid Intrusion Detection System for Internet of Vehicles [12.280524044112708]
  車両ネットワークに対する既知の攻撃と未知の攻撃の両方を検出するために,ハイブリッド侵入検知システム (IDS) を提案する。 提案システムは,CAN-Intrusion-datasetにおいて,99.99%の精度で様々な種類の既知の攻撃を検出できる。 車両レベルのマシン上の各データパケットの平均処理時間は0.6ms未満である。
  論文  参考訳（メタデータ） (2021-05-26T17:36:35Z)

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。