論文の概要: Trust-Aware Resilient Control and Coordination of Connected and Automated Vehicles

• arxiv url: http://arxiv.org/abs/2305.16818v1
• Date: Fri, 26 May 2023 10:57:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-29 15:43:08.057234
• Title: Trust-Aware Resilient Control and Coordination of Connected and Automated Vehicles
• Title（参考訳）: 信頼対応型レジリエント制御と自動走行車の協調
• Authors: H M Sabbir Ahmad, Ehsan Sabouni, Wei Xiao, Christos G. Cassandras, Wenchao Li
• Abstract要約: 我々は、対立地域におけるCAVの協調ネットワークのセキュリティに取り組む。 敵の目的を達成するために使用できる攻撃のクラスは、シビル攻撃である。 本稿では,信頼フレームワークを用いた攻撃検出・軽減手法を提案する。
• 参考スコア（独自算出の注目度）: 11.97553028903872
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Security is crucial for cyber-physical systems, such as a network of Connected and Automated Vehicles (CAVs) cooperating to navigate through a road network safely. In this paper, we tackle the security of a cooperating network of CAVs in conflict areas by identifying the critical adversarial objectives from the point of view of uncooperative/malicious agents from our preliminary study, which are (i) safety violations resulting in collisions, and (ii) traffic jams. We utilize a trust framework (and our work doesn't depend on the specific choice of trust/reputation framework) to propose a resilient control and coordination framework that mitigates the effects of such agents and guarantees safe coordination. A class of attacks that can be used to achieve the adversarial objectives is Sybil attacks, which we use to validate our proposed framework through simulation studies. Besides that, we propose an attack detection and mitigation scheme using the trust framework. The simulation results demonstrate that our proposed scheme can detect fake CAVs during a Sybil attack, guarantee safe coordination, and mitigate their effects.
• Abstract（参考訳）: セキュリティは、インターネットに接続された自動車両(cav)のネットワークなど、サイバー物理システムにとって極めて重要である。 本稿では,本研究における非協力的・共謀的エージェントの観点から,敵対的目標を同定し,紛争地域におけるキャビネット協調ネットワークのセキュリティに取り組む。 (i)衝突による安全侵害、 (ii)交通渋滞。 信頼フレームワーク(信頼/信頼フレームワークの特定の選択には依存していません)を利用して、そのようなエージェントの影響を緩和し、安全な協調を保証する回復力のある制御および調整フレームワークを提案します。 敵の目標を達成するために使用できる攻撃のクラスはsybil attackであり、我々はシミュレーション研究を通じて提案フレームワークを検証するために使用する。 さらに,信頼フレームワークを用いた攻撃検出と緩和手法を提案する。 シミュレーションの結果,シビル攻撃時に偽のCAVを検知し,安全コーディネーションを保証し,その効果を緩和できることがわかった。

関連論文リスト

• Towards Interactive and Learnable Cooperative Driving Automation: a Large Language Model-Driven Decision-Making Framework [79.088116316919]
  コネクテッド・オートモービルズ(CAV)は世界中の道路試験を開始したが、複雑なシナリオにおける安全性と効率性はまだ十分ではない。 本稿では,対話型かつ学習可能なLLM駆動協調運転フレームワークCoDrivingLLMを提案する。
  論文  参考訳（メタデータ） (2024-09-19T14:36:00Z)
• CONClave -- Secure and Robust Cooperative Perception for CAVs Using Authenticated Consensus and Trust Scoring [0.9912132935716113]
  ConClaveは、自動運転車における協調的な認識のための包括的なセキュリティと信頼性を提供する。 ConClaveは、セキュリティ欠陥の防止、比較的小さな検知障害の検出、CAVにおける協調認識の堅牢性と正確性の向上において、大きな可能性を秘めている。
  論文  参考訳（メタデータ） (2024-09-04T16:42:40Z)
• Exploring the impact of traffic signal control and connected and automated vehicles on intersections safety: A deep reinforcement learning approach [2.681732331705502]
  この研究は、DQN(Deep Q Network)を用いて、CAVとHuman Drive Vehicles(HDV)の交通信号と運転行動を制御する。 これらの結果から,CAVとDQNを併用した交通信号制御による後方・横断競合の大幅な低減が示された。
  論文  参考訳（メタデータ） (2024-05-29T16:17:19Z)
• Cooperative Cognitive Dynamic System in UAV Swarms: Reconfigurable Mechanism and Framework [80.39138462246034]
  UAVスワムの管理を最適化するための協調認知力学システム(CCDS)を提案する。 CCDSは階層的かつ協調的な制御構造であり、リアルタイムのデータ処理と意思決定を可能にする。 さらに、CCDSは、UAVスワムのタスクを効率的に割り当てるための生体模倣機構と統合することができる。
  論文  参考訳（メタデータ） (2024-05-18T12:45:00Z)
• A Blockchain-Enabled Framework of UAV Coordination for Post-Disaster Networks [7.249638174814088]
  本稿では、災害対応のためにUAV艦隊を安全に調整する堅牢なブロックチェーン対応フレームワークを提案する。 セキュアでプライベートなマルチ緊急調整のためのコンソーシアムブロックチェーンと、効率性とフォールトトレランスのバランスをとる最適化されたコンセンサスプロトコルです。 総合的なシミュレーションでは、ポストディザスターネットワークにおけるUAV調整のための透明性、自動化、スケーラビリティ、サイバー攻撃のレジリエンスを高めるフレームワークの能力を示している。
  論文  参考訳（メタデータ） (2024-02-23T14:01:27Z)
• 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)
• 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)
• 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)
• A Self-supervised Approach for Adversarial Robustness [105.88250594033053]
  敵対的な例は、ディープニューラルネットワーク(DNN)ベースの視覚システムにおいて破滅的な誤りを引き起こす可能性がある。 本稿では,入力空間における自己教師型対向学習機構を提案する。 これは、反逆攻撃に対する強力な堅牢性を提供する。
  論文  参考訳（メタデータ） (2020-06-08T20:42:39Z)
• 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。