論文の概要: SafeTI Traffic Injector Enhancement for Effective Interference Testing
in Critical Real-Time Systems
- arxiv url: http://arxiv.org/abs/2308.11528v1
- Date: Fri, 28 Jul 2023 09:26:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 13:08:38.641785
- Title: SafeTI Traffic Injector Enhancement for Effective Interference Testing
in Critical Real-Time Systems
- Title(参考訳): クリティカルリアルタイムシステムにおける効果的な干渉試験のためのSafeTIトラヒックインジェクタの強化
- Authors: Francisco Fuentes, Raimon Casanova, Sergi Alcaide, Jaume Abella
- Abstract要約: SafeTIトラフィックインジェクタがリリースされ、テスト用の同種RISC-Vマルチコアに統合された。
本稿では、高レートトラフィックインジェクションのための内部パイプライニングや、複数のインタフェースへの調整、さらにGaislerの宇宙領域技術に基づくより強力なヘテロジニアスRISC-Vマルチコアへの統合など、SafeTI上で実施されているいくつかの機能強化について紹介する。
- 参考スコア(独自算出の注目度): 0.4751886527142778
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Safety-critical domains, such as automotive, space, and robotics, are
adopting increasingly powerful multicores with abundant hardware shared
resources for higher performance and efficiency. However, mutual interference
due to parallel operation within the SoC must be properly validated. Recently,
the SafeTI traffic injector has been released and integrated in a homogeneous
RISC-V multicore for testing, otherwise untestable casuistic for software-only
solutions. This paper introduces some enhancements performed on the SafeTI,
which include internal pipelining for higher-rate traffic injection, and its
tailoring to multiple interfaces, as well as its integration in a more powerful
heterogeneous RISC-V multicore based on Gaisler's technology for the space
domain.
- Abstract(参考訳): 自動車、宇宙、ロボットなどの安全に重要なドメインは、高いパフォーマンスと効率のために、豊富なハードウェア共有リソースを備えた、ますます強力なマルチコアを採用する。
しかし、SoC内の並列操作による相互干渉を適切に検証する必要がある。
近年、SafeTIトラヒックインジェクタがリリースされ、テスト用の同種RISC-Vマルチコアに統合されている。
本稿では,高速度トラヒックインジェクションのための内部パイプライン化や,複数のインターフェースへの調整,さらに空間領域に対するガイスラーの技術に基づくより強力なrisc-vマルチコアへの統合など,safeti上で実施されるいくつかの機能拡張について紹介する。
関連論文リスト
- Towards Secure and Reliable Heterogeneous Real-time Telemetry Communication in Autonomous UAV Swarms [0.0]
本稿では,UAVピアツーピアテレメトリ通信の評価を行い,そのセキュリティ上の脆弱性を明らかにする。
我々は,Swarm間通信のための対称鍵契約とデータ暗号化機構の実装を提案する。
論文 参考訳(メタデータ) (2024-04-11T08:37:22Z) - Securing the Skies: An IRS-Assisted AoI-Aware Secure Multi-UAV System with Efficient Task Offloading [3.427366431933441]
当社のフレームワークは,指数的AoI指標を取り入れ,盗難や妨害の脅威に対処するための秘密保持率を強調している。
本稿では,タスクオフロードプロセスの最適化を目的とした,トランスフォーマー強化型Deep Reinforcement Learning (DRL) アプローチを提案する。
論文 参考訳(メタデータ) (2024-04-06T17:41:00Z) - Real-Time Image Segmentation via Hybrid Convolutional-Transformer Architecture Search [49.81353382211113]
マルチヘッド自己認識を高分解能表現CNNに効率的に組み込むという課題に対処する。
本稿では,高解像度機能の利点をフル活用したマルチターゲットマルチブランチ・スーパーネット手法を提案する。
本稿では,Hybrid Convolutional-Transformer Architecture Search (HyCTAS)法を用いて,軽量畳み込み層とメモリ効率のよい自己保持層を最適に組み合わせたモデルを提案する。
論文 参考訳(メタデータ) (2024-03-15T15:47:54Z) - MKF-ADS: Multi-Knowledge Fusion Based Self-supervised Anomaly Detection System for Control Area Network [9.305680247704542]
制御エリアネットワーク(英: Control Area Network, CAN)は、車両ネットワークにおける電子制御ユニット(ECU)間の通信プロトコルである。
CANは、本質的にセキュリティ上のリスクのために、厳しいセキュリティ上の課題に直面している。
本稿では,MKF-ADSと呼ばれる自己教師付き多知識融合異常検出モデルを提案する。
論文 参考訳(メタデータ) (2024-03-07T07:40:53Z) - Effective Intrusion Detection in Heterogeneous Internet-of-Things Networks via Ensemble Knowledge Distillation-based Federated Learning [52.6706505729803]
我々は、分散化された侵入検知システムの共有モデル(IDS)を協調訓練するために、フェデレートラーニング(FL)を導入する。
FLEKDは従来のモデル融合法よりも柔軟な凝集法を実現する。
実験の結果,提案手法は,速度と性能の両面で,局所訓練と従来のFLよりも優れていた。
論文 参考訳(メタデータ) (2024-01-22T14:16:37Z) - Security and Reliability Evaluation of Countermeasures implemented using High-Level Synthesis [0.0]
サイドチャネル分析(SCA)とフォールトインジェクション(FI)攻撃は強力なハードウェア攻撃である。
HLSツールにセキュリティと信頼性による最適化が欠如しているため、HLSベースの設計では、アルゴリズムの特性と対策が損なわれていないことを検証する必要がある。
論文 参考訳(メタデータ) (2023-12-11T10:13:47Z) - Scaling #DNN-Verification Tools with Efficient Bound Propagation and
Parallel Computing [57.49021927832259]
ディープニューラルネットワーク(DNN)は多くのシナリオで異常な結果を示した強力なツールです。
しかし、それらの複雑な設計と透明性の欠如は、現実世界のアプリケーションに適用する際の安全性上の懸念を提起する。
DNNの形式的検証(FV)は、安全面の証明可能な保証を提供する貴重なソリューションとして登場した。
論文 参考訳(メタデータ) (2023-12-10T13:51:25Z) - 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) - 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) - AdaStereo: An Efficient Domain-Adaptive Stereo Matching Approach [50.855679274530615]
本稿では,AdaStereoというドメイン適応型アプローチを提案する。
我々のモデルは、KITTI、Middlebury、ETH3D、DrivingStereoなど、複数のベンチマークで最先端のクロスドメイン性能を実現している。
提案手法は,様々なドメイン適応設定に対して堅牢であり,迅速な適応アプリケーションシナリオや実環境展開に容易に組み込むことができる。
論文 参考訳(メタデータ) (2021-12-09T15:10:47Z)
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。