論文の概要: CONClave -- Secure and Robust Cooperative Perception for CAVs Using Authenticated Consensus and Trust Scoring
- arxiv url: http://arxiv.org/abs/2409.02863v1
- Date: Wed, 4 Sep 2024 16:42:40 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-05 16:52:09.856356
- Title: CONClave -- Secure and Robust Cooperative Perception for CAVs Using Authenticated Consensus and Trust Scoring
- Title（参考訳）: CONClave -- 認証コンセンサスと信頼スコアを用いたCAVの安全かつロバストな協調認識
- Authors: Edward Andert, Francis Mendoza, Hans Walter Behrens, Aviral Shrivastava,
- Abstract要約: ConClaveは、自動運転車における協調的な認識のための包括的なセキュリティと信頼性を提供する。
ConClaveは、セキュリティ欠陥の防止、比較的小さな検知障害の検出、CAVにおける協調認識の堅牢性と正確性の向上において、大きな可能性を秘めている。
- 参考スコア（独自算出の注目度）: 0.9912132935716113
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Connected Autonomous Vehicles have great potential to improve automobile safety and traffic flow, especially in cooperative applications where perception data is shared between vehicles. However, this cooperation must be secured from malicious intent and unintentional errors that could cause accidents. Previous works typically address singular security or reliability issues for cooperative driving in specific scenarios rather than the set of errors together. In this paper, we propose CONClave, a tightly coupled authentication, consensus, and trust scoring mechanism that provides comprehensive security and reliability for cooperative perception in autonomous vehicles. CONClave benefits from the pipelined nature of the steps such that faults can be detected significantly faster and with less compute. Overall, CONClave shows huge promise in preventing security flaws, detecting even relatively minor sensing faults, and increasing the robustness and accuracy of cooperative perception in CAVs while adding minimal overhead.
- Abstract（参考訳）: 連結自動運転車は、特に車両間で知覚データが共有される協調的なアプリケーションにおいて、自動車の安全と交通の流れを改善する大きな可能性を秘めている。
しかし、この協力は悪意のある意図や、事故を引き起こす可能性のある意図しない誤りから守らなければならない。
従来の研究は、一組のエラーではなく、特定のシナリオにおける協調運転における特異なセキュリティや信頼性の問題に対処していた。
本稿では,自律走行車における協調認識のための包括的セキュリティと信頼性を提供する,密結合型認証・コンセンサス・信頼スコアリング機構であるConClaveを提案する。
CONClaveはパイプライン化されたステップの性質から恩恵を受け、フォールトをはるかに高速かつ少ない計算で検出できる。
全体として、ConClaveはセキュリティ欠陥の防止、比較的小さな検知障害の検出、CAVにおける協調認識の堅牢性と正確性の向上、そしてオーバーヘッドの最小化に大きく貢献している。
関連論文リスト
- A Survey and Comparative Analysis of Security Properties of CAN Authentication Protocols [92.81385447582882]
コントロールエリアネットワーク(CAN)バスは車内通信を本質的に安全でないものにしている。
本稿では,CANバスにおける15の認証プロトコルをレビューし,比較する。
実装の容易性に寄与する本質的な運用基準に基づくプロトコルの評価を行う。
論文 参考訳（メタデータ） (2024-01-19T14:52:04Z) - Cooperative Probabilistic Trajectory Forecasting under Occlusion [110.4960878651584]
隠蔽対象の情報を安全なナビゲーションのためにエゴエージェントに伝達する必要がある場合が多い。
本稿では,エゴエージェントの基準フレームにおける閉塞歩行者の現況を協調的に推定するエンド・ツー・エンドネットワークを設計する。
また,エゴ剤による閉塞歩行者の不確実性を考慮した軌道予測は,閉塞を前提とした地上の真実軌道とほぼ同様であることを示した。
論文 参考訳（メタデータ） (2023-12-06T05:36:52Z) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳（メタデータ） (2023-08-02T09:48:08Z) - Safety Margins for Reinforcement Learning [74.13100479426424]
安全マージンを生成するためにプロキシ臨界度メトリクスをどのように活用するかを示す。
Atari 環境での APE-X と A3C からの学習方針に対するアプローチを評価する。
論文 参考訳（メタデータ） (2023-07-25T16:49:54Z) - Convergence of Communications, Control, and Machine Learning for Secure
and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。
本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文 参考訳（メタデータ） (2023-07-05T21:38:36Z) - Trust-Aware Resilient Control and Coordination of Connected and
Automated Vehicles [11.97553028903872]
敵の攻撃は安全違反を引き起こし、衝突や交通渋滞を引き起こす。
敵攻撃や非協力的CAVの影響を緩和する分散型レジリエンス制御・調整手法を提案する。
論文 参考訳（メタデータ） (2023-05-26T10:57:51Z) - Interruption-Aware Cooperative Perception for V2X Communication-Aided
Autonomous Driving [49.42873226593071]
本稿では,V2X通信支援自律運転のためのV2X通信入出力対応協調知覚(V2X-INCOP)を提案する。
我々は、過去の協力情報を用いて、割り込みによる行方不明情報を復元し、割り込み問題の影響を軽減する。
3つの公的な協調認識データセットの実験から,コミュニケーション中断が協調知覚に与える影響を緩和するために提案手法が有効であることが示された。
論文 参考訳（メタデータ） (2023-04-24T04:59:13Z) - Spatial-Temporal-Aware Safe Multi-Agent Reinforcement Learning of
Connected Autonomous Vehicles in Challenging Scenarios [10.37986799561165]
通信技術はコネクテッド・自動運転車(CAV)間の協調を可能にする
CAVのための並列安全シールドを備えた制約付きマルチエージェント強化学習(MARL)フレームワークを提案する。
その結果,提案手法は難易度の高いシナリオにおいて,システムの安全性と効率を著しく向上させることがわかった。
論文 参考訳（メタデータ） (2022-10-05T14:39:07Z) - Smart and Secure CAV Networks Empowered by AI-Enabled Blockchain: Next
Frontier for Intelligent Safe-Driving Assessment [17.926728975133113]
コネクテッド・自動運転車(CAV)の安全運転状況の確保は、引き続き広く懸念されている。
アルゴリズム対応型intElligent Safe-Driven AssessmentmenT(BEST)の新たなフレームワークを提案し、スマートで信頼性の高いアプローチを提供します。
論文 参考訳（メタデータ） (2021-04-09T19:08:34Z) - Positive Trust Balance for Self-Driving Car Deployment [3.106768467227812]
自動運転車の展開準備が整った時期に関する決定は、遅れる指標データによって下される可能性が高い。
ポジティブトラストバランスアプローチは、責任あるデプロイメント決定に役立ちます。
論文 参考訳（メタデータ） (2020-09-12T14:23:47Z) - A Multi-Agent Reinforcement Learning Approach For Safe and Efficient
Behavior Planning Of Connected Autonomous Vehicles [21.132777568170702]
我々は、コネクテッド・自動運転車のための情報共有型強化学習フレームワークを設計する。
提案手法は, 平均速度と快適性の観点から, CAV システムの効率性を向上させることができることを示す。
我々は,共用視覚が早期に障害物を観測し,交通渋滞を避けるために行動を起こすのに役立つことを示すために,障害物回避シナリオを構築した。
論文 参考訳（メタデータ） (2020-03-09T19:15:30Z)
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。