Fugu-MT 論文翻訳(概要): Field Testing and Detection of Camera Interference for Autonomous Driving

論文の概要: Field Testing and Detection of Camera Interference for Autonomous Driving

arxiv url: http://arxiv.org/abs/2408.04524v1
Date: Thu, 8 Aug 2024 15:24:19 GMT
ステータス: 処理完了
システム内更新日: 2024-08-09 15:18:18.458609
Title: Field Testing and Detection of Camera Interference for Autonomous Driving
Title（参考訳）: 自律走行用カメラ干渉のフィールドテストと検出
Authors: Ki Beom Park, Huy Kang Kim,
Abstract要約: 本研究は,新しいGRUベースのIDSを用いて,自動車用イーサネット駆動環境におけるカメラ干渉攻撃(CIA)の検出について検討する。我々のIDSはパケット長列を効果的に解析し、正常なデータ伝送と異常なデータ転送を区別する。
参考スコア（独自算出の注目度）: 3.3148826359547514
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In recent advancements in connected and autonomous vehicles (CAVs), automotive ethernet has emerged as a critical technology for in-vehicle networks (IVNs), superseding traditional protocols like the CAN due to its superior bandwidth and data transmission capabilities. This study explores the detection of camera interference attacks (CIA) within an automotive ethernet-driven environment using a novel GRU-based IDS. Leveraging a sliding-window data preprocessing technique, our IDS effectively analyzes packet length sequences to differentiate between normal and anomalous data transmissions. Experimental evaluations conducted on a commercial car equipped with H.264 encoding and fragmentation unit-A (FU-A) demonstrated high detection accuracy, achieving an AUC of 0.9982 and a true positive rate of 0.99 with a window size of 255.
Abstract（参考訳）: 近年のコネクテッド・自動運転車(CAV)の進歩により、車内ネットワーク(IVN)にとって重要な技術として自動車用イーサネットが登場し、CANのような従来のプロトコルに取って代わられている。本研究は,新しいGRUベースのIDSを用いて,自動車用イーサネット駆動環境におけるカメラ干渉攻撃(CIA)の検出について検討する。我々のIDSは,スライディングウインドウデータ前処理技術を活用し,パケット長列を効果的に解析し,通常のデータ伝送と異常なデータ転送を区別する。 H.264エンコーディングとフラグメンテーションユニットA(FU-A)を備えた商用車上での実験的な評価により、AUCは0.9982、真の正率は0.99で、ウィンドウサイズは255であった。

関連論文リスト

Cross-Camera Distracted Driver Classification through Feature Disentanglement and Contrastive Learning [13.613407983544427]
車両内のカメラ位置の変化に耐えられるような頑健なモデルを導入する。我々のドライバ行動監視ネットワーク(DBMNet)は軽量なバックボーンに依存し、アンタングルメントモジュールを統合する。 100-Driverデータセットの夜間および夜間のサブセットで行った実験は、我々のアプローチの有効性を検証した。
論文参考訳（メタデータ） (2024-11-20T10:27:12Z)
Spatial-Temporal Generative AI for Traffic Flow Estimation with Sparse Data of Connected Vehicles [48.32593099620544]
交通流推定(TFE)はインテリジェント交通システムにおいて重要である。本稿では,スパース時間生成人工知能(GAI)フレームワークを活用した,新規で費用対効果の高いTFEフレームワークを提案する。このフレームワーク内では、条件エンコーダは初期TFE結果の時空間相関をマイニングする。
論文参考訳（メタデータ） (2024-07-10T20:26:04Z)
A Lightweight Multi-Attack CAN Intrusion Detection System on Hybrid FPGAs [13.581341206178525]
コントローラエリアネットワーク(CAN)における複数攻撃ベクトルの検出において、侵入検知と緩和アプローチが有望な結果を示している。本稿では,Zynq Ultrascale+ (XCZU3EG) FPGA上にXilinxのDeep Learning Processing Unit IPを用いて,軽量なマルチアタック量子機械学習モデルを提案する。このモデルは、99%以上の精度でサービス拒否とファジッシング攻撃を検知し、その偽陽性率は0.07%であり、これは文学における最先端技術に匹敵するものである。
論文参考訳（メタデータ） (2024-01-19T13:39:05Z)
NVRadarNet: Real-Time Radar Obstacle and Free Space Detection for Autonomous Driving [57.03126447713602]
本稿では,自動車のRADARセンサを用いて動的障害物や乾燥可能な自由空間を検出するディープニューラルネットワーク(DNN)を提案する。ネットワークは組み込みGPU上でリアルタイムよりも高速に動作し、地理的領域にわたって優れた一般化を示す。
論文参考訳（メタデータ） (2022-09-29T01:30:34Z)
COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
論文参考訳（メタデータ） (2022-05-04T17:55:12Z)
A Transfer Learning and Optimized CNN Based Intrusion Detection System for Internet of Vehicles [10.350337750192997]
本稿では,インターネット・オブ・ビークルズ(IoV)システムにおいて,トランスファー学習とアンサンブル学習に基づくIDSを提案する。提案されたIDSは、2つの公開ベンチマークIoVセキュリティデータセットで99.25%以上の検出率とF1スコアを示した。本研究は車内ネットワークおよび車外ネットワークにおけるサイバー攻撃検出におけるIDSの有効性を示す。
論文参考訳（メタデータ） (2022-01-27T21:24:09Z)
Real Time Monocular Vehicle Velocity Estimation using Synthetic Data [78.85123603488664]
移動車に搭載されたカメラから車両の速度を推定する問題を考察する。そこで本研究では,まずオフ・ザ・シェルフ・トラッカーを用いて車両バウンディングボックスを抽出し,その後,小型ニューラルネットワークを用いて車両速度を回帰する2段階のアプローチを提案する。
論文参考訳（メタデータ） (2021-09-16T13:10:27Z)
DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
論文参考訳（メタデータ） (2021-09-08T14:07:55Z)
MTH-IDS: A Multi-Tiered Hybrid Intrusion Detection System for Internet of Vehicles [12.280524044112708]
車両ネットワークに対する既知の攻撃と未知の攻撃の両方を検出するために,ハイブリッド侵入検知システム (IDS) を提案する。提案システムは,CAN-Intrusion-datasetにおいて,99.99%の精度で様々な種類の既知の攻撃を検出できる。車両レベルのマシン上の各データパケットの平均処理時間は0.6ms未満である。
論文参考訳（メタデータ） (2021-05-26T17:36:35Z)
Complex-valued Convolutional Neural Networks for Enhanced Radar Signal Denoising and Interference Mitigation [73.0103413636673]
本稿では,レーダセンサ間の相互干渉問題に対処するために,複合価値畳み込みニューラルネットワーク(CVCNN)を提案する。 CVCNNはデータ効率を高め、ネットワークトレーニングを高速化し、干渉除去時の位相情報の保存を大幅に改善する。
論文参考訳（メタデータ） (2021-04-29T10:06:29Z)
Convolutional Neural Network-based Intrusion Detection System for AVTP Streams in Automotive Ethernet-based Networks [2.141079906482723]
コネクテッド・アンド・オートマチック・ビークル(CAV)は、伝統的な自動車の革新的な形態である。以前の研究では、自動車イーサネットベースのネットワークにおける侵入検知に焦点が当てられていない。本稿では,AVTPストリームインジェクション攻撃の侵入検出手法を提案する。
論文参考訳（メタデータ） (2021-02-06T09:37:09Z)

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。