論文の概要: A trust management framework for vehicular ad hoc networks

• arxiv url: http://arxiv.org/abs/2405.04885v1
• Date: Wed, 8 May 2024 08:35:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-09 15:04:15.590170
• Title: A trust management framework for vehicular ad hoc networks
• Title（参考訳）: 車両アドホックネットワークのための信頼管理フレームワーク
• Authors: Rezvi Shahariar, Chris Phillips,
• Abstract要約: 信頼管理は、信頼スコアに応じて認証ユーザーからの攻撃に対処するために使用される。 本稿では,送信側車両における信頼を制御するための,TPDに基づく信頼管理フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vehicular Ad Hoc Networks (VANETs) enable road users and public infrastructure to share information that improves the operation of roads and driver experience. However, these are vulnerable to poorly behaved authorized users. Trust management is used to address attacks from authorized users in accordance with their trust score. By removing the dissemination of trust metrics in the validation process, communication overhead and response time are lowered. In this paper, we propose a new Tamper-Proof Device (TPD) based trust management framework for controlling trust at the sender side vehicle that regulates driver behaviour. Moreover, the dissemination of feedback is only required when there is conflicting information in the VANET. If a conflict arises, the Road-Side Unit (RSU) decides, using the weighted voting system, whether the originator is to be believed, or not. The framework is evaluated against a centralized reputation approach and the results demonstrate that it outperforms the latter.
• Abstract（参考訳）: Vehicular Ad Hoc Networks (VANETs) は、道路利用者と公共インフラが道路や運転経験を改善する情報を共有することを可能にする。 しかし、これらは不適切な行動の許されたユーザーに対して脆弱である。 信頼管理は、信頼スコアに応じて認証ユーザーからの攻撃に対処するために使用される。 検証プロセスにおける信頼度測定の拡散を取り除くことにより、通信オーバーヘッドと応答時間の低減が図られる。 本稿では,ドライバの動作を規制する送信側車両における信頼制御のための,新しいTanper-Proof Device(TPD)ベースの信頼管理フレームワークを提案する。 さらに、VANETに矛盾する情報がある場合にのみ、フィードバックの拡散が要求される。 紛争が発生した場合、ロード・サイド・ユニット(RSU)は、元祖が信じるか否かに関わらず、重み付けされた投票システムを用いて決定する。 このフレームワークは、中央集権的な評価手法に対して評価され、その結果、後者よりも優れていることが示された。

関連論文リスト

• Fostering Trust and Quantifying Value of AI and ML [0.0]
  AIとML推論の信頼について多くの議論がなされているが、それが何を意味するのかを定義するためにはほとんど行われていない。 より信頼できる機械学習推論を生み出すことは、製品の価値を高めるための道です。
  論文  参考訳（メタデータ） (2024-07-08T13:25:28Z)
• A fuzzy reward and punishment scheme for vehicular ad hoc networks [0.0]
  信頼モデルは、報酬や罰を与えるメッセージを評価する。 これはドライバーの将来の行動に影響を与えるのに使われる。 新たなファジィRSUコントローラは、報酬や罰を決定するために、インシデント、運転者の過去の行動、RSU信頼の重症度を考慮する。
  論文  参考訳（メタデータ） (2024-05-08T08:55:39Z)
• Bayesian Methods for Trust in Collaborative Multi-Agent Autonomy [11.246557832016238]
  安全クリティカルで競争の激しい環境では、敵は多数のエージェントに侵入し、妥協することがある。 我々は、この妥協されたエージェント脅威モデルの下で、アートマルチターゲット追跡アルゴリズムの状態を解析する。 階層的ベイズ更新を用いた信頼度推定フレームワークを設計する。
  論文  参考訳（メタデータ） (2024-03-25T17:17:35Z)
• A Diachronic Perspective on User Trust in AI under Uncertainty [52.44939679369428]
  現代のNLPシステムは、しばしば未分類であり、ユーザの信頼を損なう確実な誤った予測をもたらす。 賭けゲームを用いて,信頼を損なう事象に対するユーザの信頼の進化について検討する。
  論文  参考訳（メタデータ） (2023-10-20T14:41:46Z)
• TrustGuard: GNN-based Robust and Explainable Trust Evaluation with Dynamicity Support [59.41529066449414]
  本稿では,信頼度を考慮した信頼度評価モデルであるTrustGuardを提案する。 TrustGuardは、スナップショット入力層、空間集約層、時間集約層、予測層を含む階層アーキテクチャで設計されている。 実験により、TrustGuardは、シングルタイムスロットとマルチタイムスロットの信頼予測に関して、最先端のGNNベースの信頼評価モデルより優れていることが示された。
  論文  参考訳（メタデータ） (2023-06-23T07:39:12Z)
• Designing for Responsible Trust in AI Systems: A Communication Perspective [56.80107647520364]
  我々は、MATCHと呼ばれる概念モデルを開発するために、技術に対する信頼に関するコミュニケーション理論と文献から引き出す。 私たちは、AIシステムの能力として透明性とインタラクションを強調します。 我々は、技術クリエーターが使用する適切な方法を特定するのに役立つ要件のチェックリストを提案する。
  論文  参考訳（メタデータ） (2022-04-29T00:14:33Z)
• Personalized multi-faceted trust modeling to determine trust links in social media and its potential for misinformation management [61.88858330222619]
  ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。 本稿では,データ駆動型多面信頼モデルを提案する。 信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
  論文  参考訳（メタデータ） (2021-11-11T19:40:51Z)
• Trust-aware Control for Intelligent Transportation Systems [0.20415910628419062]
  本稿では,エージェントの信頼性を定量化し,信頼性に配慮した協調制御を実現するための枠組みを提案する。 我々は、強化学習に基づくアプローチを用いて、信頼を意識したコントローラの合成方法を示す。 AIM-Trustと呼ばれる信頼を意識したバージョンを開発し、信頼できないエージェントと信頼できないエージェントの混在したシナリオにおける事故率を低くする。
  論文  参考訳（メタデータ） (2021-11-08T03:02:25Z)
• On the Importance of Trust in Next-Generation Networked CPS Systems: An AI Perspective [2.1055643409860734]
  本稿では,ネットワークエージェントの状態を評価し,意思決定プロセスを改善する手段として信頼を提案する。 信頼関係は、プロトコル内のエンティティの相互作用によって生成された証拠に基づいている。 信頼の証拠を活用することで,フェデレートラーニングのパフォーマンスと安全性が向上することを示す。
  論文  参考訳（メタデータ） (2021-04-16T02:12:13Z)
• Learning to Communicate and Correct Pose Errors [75.03747122616605]
  本稿では、V2VNetで提案された設定について検討し、近くにある自動運転車が共同で物体検出と動き予測を協調的に行う方法を提案する。 本稿では,コミュニケーションを学習し,潜在的な誤りを推定し,それらの誤りについてコンセンサスを得るための新しいニューラルネットワーク推論フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-11-10T18:19:40Z)
• How Much Can We Really Trust You? Towards Simple, Interpretable Trust Quantification Metrics for Deep Neural Networks [94.65749466106664]
  我々は思考実験を行い、信頼と信頼に関する2つの重要な疑問を探求する。 我々は、一連の質問に答える際の行動に基づいて、ディープニューラルネットワークの全体的な信頼性を評価するための一連のメトリクスを紹介します。 提案されたメトリクスは必ずしも完璧ではありませんが、よりよいメトリクスに向かって会話を推し進めることが望まれています。
  論文  参考訳（メタデータ） (2020-09-12T17:37:36Z)

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。