論文の概要: Hybrid PLS-ML Authentication Scheme for V2I Communication Networks
- arxiv url: http://arxiv.org/abs/2308.14693v1
- Date: Mon, 28 Aug 2023 16:34:50 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-29 13:06:23.368103
- Title: Hybrid PLS-ML Authentication Scheme for V2I Communication Networks
- Title(参考訳): V2I通信ネットワークのためのハイブリッドPLS-ML認証方式
- Authors: Hala Amin, Jawaher Kaldari, Nora Mohamed, Waqas Aman, Saif Al-Kuwari
- Abstract要約: 本稿では,送信機の位置をデバイス指紋として利用して,PLS(Hybrid physical Layer Security)-machine Learning (ML)認証手法を提案する。
我々は、ToAを道路側ユニット(RSU)で推定し、基地局(BS)で送信機の座標を抽出する、ToA(Time-of-arrival)ベースのローカライゼーション機構を用いる。
移動車両の移動性を追跡するため,複数のシステムパラメータに基づいて学習したMLモデルを用いて,提案した位置ベース機構が検出に失敗した場合のベースラインスキームを著しく上回っていることを観察した。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Vehicular communication networks are rapidly emerging as vehicles become
smarter. However, these networks are increasingly susceptible to various
attacks. The situation is exacerbated by the rise in automated vehicles
complicates, emphasizing the need for security and authentication measures to
ensure safe and effective traffic management. In this paper, we propose a novel
hybrid physical layer security (PLS)-machine learning (ML) authentication
scheme by exploiting the position of the transmitter vehicle as a device
fingerprint. We use a time-of-arrival (ToA) based localization mechanism where
the ToA is estimated at roadside units (RSUs), and the coordinates of the
transmitter vehicle are extracted at the base station (BS).Furthermore, to
track the mobility of the moving legitimate vehicle, we use ML model trained on
several system parameters. We try two ML models for this purpose, i.e., support
vector regression and decision tree. To evaluate our scheme, we conduct binary
hypothesis testing on the estimated positions with the help of the ground
truths provided by the ML model, which classifies the transmitter node as
legitimate or malicious. Moreover, we consider the probability of false alarm
and the probability of missed detection as performance metrics resulting from
the binary hypothesis testing, and mean absolute error (MAE), mean square error
(MSE), and coefficient of determination $\text{R}^2$ to further evaluate the ML
models. We also compare our scheme with a baseline scheme that exploits the
angle of arrival at RSUs for authentication. We observe that our proposed
position-based mechanism outperforms the baseline scheme significantly in terms
of missed detections.
- Abstract(参考訳): 車両のスマート化に伴い、車両通信ネットワークは急速に普及している。
しかし、これらのネットワークは様々な攻撃を受けやすくなっている。
この状況は、安全で効果的な交通管理を確保するためのセキュリティと認証対策の必要性を強調した自動車両の台頭によって悪化する。
本稿では,送信機の位置をデバイス指紋として利用し,PLS(Hybrid physical Layer Security)-machine Learning (ML)認証方式を提案する。
我々は、ToAを道路側ユニット(RSU)で推定し、基地局(BS)で送信機の座標を抽出する、ToA(Time-of-arrival)ベースのローカライゼーション機構を用いる。
さらに,移動自在車両の移動性を追跡するために,複数のシステムパラメータを訓練したmlモデルを用いる。
この目的のために、ベクトル回帰と決定木をサポートする2つのMLモデルを試す。
提案手法を評価するため,提案手法は,送信ノードを正当あるいは悪質と分類するMLモデルによって提供される真理の助けを借りて,推定位置の2値仮説テストを行う。
さらに,二元仮説テストの結果,誤報の確率と誤検出の確率,平均絶対誤差(mae),平均二乗誤差(mse),決定係数($\text{r}^2$)を指標としてmlモデルの評価を行った。
また,認証のためにRSUの到着角度を利用するベースラインスキームとの比較を行った。
提案する位置ベース機構は,検出に失敗する点において,ベースラインのスキームを著しく上回っている。
関連論文リスト
- MKF-ADS: A Multi-Knowledge Fused Anomaly Detection System for Automotive [9.305680247704542]
侵入検知システム(IDS)は、制御エリアネットワーク(CAN)バスの脆弱性を修復する上で重要な安全要素である。
本稿では,MKF-IDSと呼ばれる新しいマルチ知識融合型異常検出モデルを提案する。
我々は,CANIDと時間ステップの6つのシミュレーション攻撃シナリオと,競合予測と検出性能を示す2つの実攻撃シナリオについて実験を行った。
論文 参考訳(メタデータ) (2024-03-07T07:40:53Z) - Exploring Highly Quantised Neural Networks for Intrusion Detection in
Automotive CAN [13.581341206178525]
機械学習に基づく侵入検出モデルは、標的となる攻撃ベクトルを複数検出することに成功した。
本稿では,多クラス分類モデルとしてのカスタム量子化文学(CQMLP)について述べる。
IDSとして統合された2ビットCQMLPモデルでは、悪意のある攻撃メッセージを99.9%の精度で検出できることが示されている。
論文 参考訳(メタデータ) (2024-01-19T21:11:02Z) - DARTH: Holistic Test-time Adaptation for Multiple Object Tracking [87.72019733473562]
複数物体追跡(MOT)は、自律運転における知覚システムの基本的構成要素である。
運転システムの安全性の追求にもかかわらず、テスト時間条件における領域シフトに対するMOT適応問題に対する解決策は提案されていない。
我々はMOTの総合的なテスト時間適応フレームワークであるDARTHを紹介する。
論文 参考訳(メタデータ) (2023-10-03T10:10:42Z) - 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) - Extensible Machine Learning for Encrypted Network Traffic Application
Labeling via Uncertainty Quantification [0.0]
ラベル付き仮想プライベートネットワーク(VPN)暗号化ネットワークトラフィックを10のアプリケーションで生成し,5つのアプリケーションカテゴリに対応する,新たなパブリックなネットワークトラフィックデータセットを提案する。
また、控えめなデータ要件で迅速にトレーニングし、キャリブレーションされた予測確率と、新しいトラフィックサンプルにフラグをつけるための解釈可能なアウト・オブ・ディストリビューション(OOD)スコアを提供するように設計されたMLフレームワークを提案する。
論文 参考訳(メタデータ) (2022-05-11T16:54:37Z) - AI-aided Traffic Control Scheme for M2M Communications in the Internet
of Vehicles [61.21359293642559]
交通のダイナミクスと異なるIoVアプリケーションの異種要求は、既存のほとんどの研究では考慮されていない。
本稿では,ハイブリッド交通制御方式とPPO法を併用して検討する。
論文 参考訳(メタデータ) (2022-03-05T10:54:05Z) - AVTPnet: Convolutional Autoencoder for AVTP anomaly detection in
Automotive Ethernet Networks [2.415997479508991]
本稿では,Audio Video Transport Protocol (AVTP) 上での異常のオフライン検出のための畳み込みオートエンコーダ (CAE) を提案する。
提案手法は、最近発表された"Automotive Ethernet Intrusion dataset"に基づいて評価される。
論文 参考訳(メタデータ) (2022-01-31T19:13:20Z) - A Driving Behavior Recognition Model with Bi-LSTM and Multi-Scale CNN [59.57221522897815]
運転行動認識のための軌道情報に基づくニューラルネットワークモデルを提案する。
提案手法を公開BLVDデータセット上で評価し,満足な性能を実現する。
論文 参考訳(メタデータ) (2021-03-01T06:47:29Z) - Robusta: Robust AutoML for Feature Selection via Reinforcement Learning [24.24652530951966]
強化学習(RL)に基づく初の堅牢なAutoMLフレームワークRobostaを提案します。
このフレームワークは,良性サンプルの競争精度を維持しつつ,モデルロバスト性を最大22%向上させることができることを示す。
論文 参考訳(メタデータ) (2021-01-15T03:12:29Z) - Probing Model Signal-Awareness via Prediction-Preserving Input
Minimization [67.62847721118142]
モデルが正しい脆弱性信号を捕捉して予測する能力を評価する。
SAR(Signal-Aware Recall)と呼ばれる新しい指標を用いて,モデルの信号認識を計測する。
その結果,90年代以降のリコールから60年代以降のリコールは,新たな指標で大幅に減少した。
論文 参考訳(メタデータ) (2020-11-25T20:05:23Z) - Traffic Agent Trajectory Prediction Using Social Convolution and
Attention Mechanism [57.68557165836806]
本稿では,自律走行車周辺における標的エージェントの軌道予測モデルを提案する。
対象エージェントの履歴トラジェクトリをアテンションマスクとしてエンコードし、ターゲットエージェントとその周辺エージェント間の対話関係をエンコードするソーシャルマップを構築する。
提案手法の有効性を検証するため,提案手法を公開データセット上の複数の手法と比較し,20%の誤差低減を実現した。
論文 参考訳(メタデータ) (2020-07-06T03:48:08Z)
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。