論文の概要: Towards a New Configurable and Practical Remote Automotive Security Testing Platform
- arxiv url: http://arxiv.org/abs/2404.02291v1
- Date: Tue, 2 Apr 2024 20:40:12 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-04 19:19:01.542538
- Title: Towards a New Configurable and Practical Remote Automotive Security Testing Platform
- Title（参考訳）: 新しい構成可能で実用的なリモート自動車セキュリティテストプラットフォームを目指して
- Authors: Sekar Kulandaivel, Wenjuan Lu, Brandon Barry, Jorge Guajardo,
- Abstract要約: 我々は、車両のサイバーセキュリティテストと研究領域におけるいくつかの課題に対処する次世代のテストプラットフォームを提案する。
車両セキュリティエンジニアリングクラウド(VSEC)テストプラットフォームは、効率的な車両サイバーセキュリティテストと高度な(例えば、侵入、ファズ)テストのためのテストベッドへのアクセスを容易にする方法について詳述する。
- 参考スコア（独自算出の注目度）: 2.4618535955685625
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the automotive security sector, the absence of a testing platform that is configurable, practical, and user-friendly presents considerable challenges. These difficulties are compounded by the intricate design of vehicle systems, the rapid evolution of attack vectors, and the absence of standardized testing methodologies. We propose a next-generation testing platform that addresses several challenges in vehicle cybersecurity testing and research domains. In this paper, we detail how the Vehicle Security Engineering Cloud (VSEC) Test platform enables easier access to test beds for efficient vehicle cybersecurity testing and advanced (e.g., penetration, fuzz) testing and how we extend such test beds to benefit automotive security research. We highlight methodology on how to use this platform for a variety of users and use cases with real implemented examples.
- Abstract（参考訳）: 自動車セキュリティの分野では、設定可能で実用的でユーザフレンドリーなテストプラットフォームが存在しないことが、大きな課題となっている。
これらの困難は、車両システムの複雑な設計、攻撃ベクトルの急速な進化、標準化された試験方法の欠如によって複雑化されている。
我々は、車両のサイバーセキュリティテストと研究領域におけるいくつかの課題に対処する次世代のテストプラットフォームを提案する。
本稿では、車両セキュリティエンジニアリングクラウド(VSEC)テストプラットフォームが、効率的な車両サイバーセキュリティテストのためのテストベッドへのアクセスを容易にし、高度な(例えば、侵入、ファズ)テストを可能にする方法と、そのようなテストベッドを拡張して自動車セキュリティ研究に役立てる方法について詳述する。
我々は,このプラットフォームをさまざまなユーザや実例で活用するための方法論を強調した。
関連論文リスト
- HackCar: a test platform for attacks and defenses on a cost-contained automotive architecture [5.987278280211877]
HackCarは、完全な車両へのアクセスを必要とせずに、一般的な自動車システム上での攻撃と防御を複製するテストプラットフォームである。
HackCarプラットフォームはF1-10thモデル上に構築されており、様々な自動車用マイクロコントローラが接続されている。
われわれのデザインを、本物、ライセンス付き、未修正の車と比較して紹介する。
論文 参考訳（メタデータ） (2024-05-08T12:48:01Z) - A Requirements-Driven Platform for Validating Field Operations of Small
Uncrewed Aerial Vehicles [48.67061953896227]
DroneReqValidator (DRV)は、sUAS開発者が運用コンテキストを定義し、複数のsUASミッション要件を設定し、安全性特性を指定し、独自のsUASアプリケーションを高忠実な3D環境にデプロイすることを可能にする。
DRVモニタリングシステムは、sUASと環境からランタイムデータを収集し、安全特性のコンプライアンスを分析し、違反をキャプチャする。
論文 参考訳（メタデータ） (2023-07-01T02:03:49Z) - When Authentication Is Not Enough: On the Security of Behavioral-Based Driver Authentication Systems [53.2306792009435]
我々はランダムフォレストとリカレントニューラルネットワークアーキテクチャに基づく2つの軽量ドライバ認証システムを開発した。
我々は,SMARTCANとGANCANという2つの新しいエスケープアタックを開発することで,これらのシステムに対する攻撃を最初に提案する。
コントリビューションを通じて、これらのシステムを安全に採用する実践者を支援し、車の盗難を軽減し、ドライバーのセキュリティを高める。
論文 参考訳（メタデータ） (2023-06-09T14:33:26Z) - Identifying and Explaining Safety-critical Scenarios for Autonomous
Vehicles via Key Features [5.634825161148484]
本稿では,AVの安全でない動作を明らかにする能力に影響を及ぼすテストシナリオの重要な特徴を特定するために,ISA(インスタンス空間解析)を用いる。
ISAは、安全クリティカルなシナリオと通常の運転とを最も区別する機能を特定し、2Dのテストシナリオ結果(セーフ/アンセーフ)への影響を可視化する。
特定された機能の予測能力をテストするために、5つの機械学習分類器をトレーニングし、テストシナリオを安全または安全でないものとして分類する。
論文 参考訳（メタデータ） (2022-12-15T00:52:47Z) - Differentiable Control Barrier Functions for Vision-based End-to-End
Autonomous Driving [100.57791628642624]
本稿では,視覚に基づくエンドツーエンド自動運転のための安全保証学習フレームワークを提案する。
我々は、勾配降下によりエンドツーエンドに訓練された微分制御バリア関数(dCBF)を備えた学習システムを設計する。
論文 参考訳（メタデータ） (2022-03-04T16:14:33Z) - A Survey on Scenario-Based Testing for Automated Driving Systems in
High-Fidelity Simulation [26.10081199009559]
道路上でシステムをテストすることは、現実世界と望ましいアプローチに最も近いが、非常にコストがかかる。
一般的な選択肢は、ADSのパフォーマンスを、よく設計されたシナリオ、すなわちシナリオベースのテストで評価することである。
高忠実度シミュレータはこの設定で、何のシナリオかをテストする際の柔軟性と利便性を最大化するために広く使われている。
論文 参考訳（メタデータ） (2021-12-02T03:41:33Z) - ViSTA: a Framework for Virtual Scenario-based Testing of Autonomous
Vehicles [2.20200533591633]
仮想シナリオに基づく自律走行車テスト(AV)のためのフレームワークViSTAについて紹介する。
本稿では,有意なパラメータを持つ特殊目的シナリオの設計を容易にする包括的テストケース生成手法について述べる。
テストケースの実行を自動化し、これらのテストケース下でのAVの性能を分析する方法について述べる。
論文 参考訳（メタデータ） (2021-09-06T15:12:17Z) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳（メタデータ） (2020-10-19T13:09:31Z) - Testing the Safety of Self-driving Vehicles by Simulating Perception and
Prediction [88.0416857308144]
センサシミュレーションは高価であり,領域ギャップが大きいため,センサシミュレーションに代わる方法を提案する。
我々は、自動運転車の知覚と予測システムの出力を直接シミュレートし、現実的な動き計画テストを可能にする。
論文 参考訳（メタデータ） (2020-08-13T17:20:02Z) - Search-based Test-Case Generation by Monitoring Responsibility Safety
Rules [2.1270496914042996]
本研究では,シミュレーションに基づく運転テストデータのスクリーニングと分類を行う手法を提案する。
本フレームワークは,S-TALIROおよびSim-ATAVツールとともに配布されている。
論文 参考訳（メタデータ） (2020-04-25T10:10:11Z) - Training Adversarial Agents to Exploit Weaknesses in Deep Control
Policies [47.08581439933752]
対戦型強化学習に基づく自動ブラックボックステストフレームワークを提案する。
提案手法は, オンラインテストにおいて明らかでないコントロールポリシの両方において, 弱点を見出すことができることを示す。
論文 参考訳（メタデータ） (2020-02-27T13:14:53Z)
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。