論文の概要: A Survey of Anomaly Detection in In-Vehicle Networks
- arxiv url: http://arxiv.org/abs/2409.07505v1
- Date: Wed, 11 Sep 2024 11:45:18 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-13 20:40:16.925560
- Title: A Survey of Anomaly Detection in In-Vehicle Networks
- Title（参考訳）: 車両内ネットワークにおける異常検出の実態調査
- Authors: Övgü Özdemir, M. Tuğberk İşyapar, Pınar Karagöz, Klaus Werner Schmidt, Demet Demir, N. Alpay Karagöz,
- Abstract要約: 車両の物理的部分や悪意のある攻撃で発生する可能性のある問題は、CANトラフィックの異常を引き起こし、適切な車両操作を損なう可能性がある。
本稿では車載ネットワークの異常検出に関する研究について概説する。
本研究の主な焦点は,CANバス異常検出に用いる手法と,その解析に用いるデータセットの評価である。
- 参考スコア（独自算出の注目度）: 2.440962475284596
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Modern vehicles are equipped with Electronic Control Units (ECU) that are used for controlling important vehicle functions including safety-critical operations. ECUs exchange information via in-vehicle communication buses, of which the Controller Area Network (CAN bus) is by far the most widespread representative. Problems that may occur in the vehicle's physical parts or malicious attacks may cause anomalies in the CAN traffic, impairing the correct vehicle operation. Therefore, the detection of such anomalies is vital for vehicle safety. This paper reviews the research on anomaly detection for in-vehicle networks, more specifically for the CAN bus. Our main focus is the evaluation of methods used for CAN bus anomaly detection together with the datasets used in such analysis. To provide the reader with a more comprehensive understanding of the subject, we first give a brief review of related studies on time series-based anomaly detection. Then, we conduct an extensive survey of recent deep learning-based techniques as well as conventional techniques for CAN bus anomaly detection. Our comprehensive analysis delves into anomaly detection algorithms employed in in-vehicle networks, specifically focusing on their learning paradigms, inherent strengths, and weaknesses, as well as their efficacy when applied to CAN bus datasets. Lastly, we highlight challenges and open research problems in CAN bus anomaly detection.
- Abstract（参考訳）: 現代の車両は電子制御ユニット(ECU)を備えており、安全上重要な操作を含む重要な車両機能を制御するのに使用される。
ECUは車内通信バスを介して情報を交換し、制御エリアネットワーク(CANバス)が最も広く使われている。
車両の物理的部分や悪意のある攻撃で発生する可能性のある問題は、CANトラフィックの異常を引き起こし、適切な車両操作を損なう可能性がある。
そのため、車両の安全にはこのような異常の検出が不可欠である。
本稿では,車内ネットワークの異常検出に関する研究,特にCANバスについて概説する。
本研究の主な焦点は,CANバス異常検出に用いる手法と,その解析に用いるデータセットの評価である。
より包括的な主題の理解を深めるために,まず時系列に基づく異常検出に関する関連研究について概説する。
そこで本研究では,近年の深層学習技術と,CANバス異常検出のための従来手法の広範な調査を行う。
我々は,車内ネットワークにおける異常検出アルゴリズムについて,学習パラダイム,固有の強度,弱点,CANバスデータセットに適用した場合の有効性などに着目した総合的な分析を行った。
最後に,CANバス異常検出における課題とオープンな研究課題について述べる。
関連論文リスト
- AI-Driven Intrusion Detection Systems (IDS) on the ROAD Dataset: A Comparative Analysis for Automotive Controller Area Network (CAN) [4.081467217340597]
コントロールエリアネットワーク(CAN)バスは、電子制御ユニット(ECU)間の車内通信を管理する中央システムである。
CANプロトコルは、固有の脆弱性、暗号化と認証の欠如、攻撃面の拡大、堅牢なセキュリティ対策を必要とするセキュリティ上の問題を引き起こす。
本稿では、ステルスと洗練された注入を含む最新のROADデータセットについて考察する。
論文 参考訳（メタデータ） (2024-08-30T12:26:23Z) - A Framework for the Systematic Assessment of Anomaly Detectors in Time-Sensitive Automotive Networks [0.4077787659104315]
本稿では,異常検出アルゴリズムの再現性,比較性,迅速な評価を可能にするアセスメントフレームワークを提案する。
実例検出機構を評価し,TSNトラフィックフローと異常型の組み合わせによって検出性能がどう影響するかを明らかにする。
論文 参考訳（メタデータ） (2024-05-02T14:29:42Z) - GCNIDS: Graph Convolutional Network-Based Intrusion Detection System for CAN Bus [0.0]
本稿では,GCN(Graph Convolutional Network)技術を利用して,CANバス内の侵入者検出に革新的なアプローチを提案する。
実験結果から,提案手法が既存のIDSよりも精度,精度,リコールに優れていることが確認された。
提案手法は、現代の車両の安全性と安全性の確保に大きな可能性を秘めている。
論文 参考訳（メタデータ） (2023-09-18T21:42:09Z) - Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts,
Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。
両センサと融合に関する概念と特徴を提示する。
本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文 参考訳（メタデータ） (2023-03-08T00:48:32Z) - Leveraging a Probabilistic PCA Model to Understand the Multivariate
Statistical Network Monitoring Framework for Network Security Anomaly
Detection [64.1680666036655]
確率的生成モデルの観点からPCAに基づく異常検出手法を再検討する。
2つの異なるデータセットを用いて数学的モデルを評価した。
論文 参考訳（メタデータ） (2023-02-02T13:41:18Z) - A Temporal Anomaly Detection System for Vehicles utilizing Functional
Working Groups and Sensor Channels [0.0]
Vehicle Performance, Reliability, Operationsデータセットを導入し, 異常検出のためのマルチフェーズアプローチを作成する。
我々の異常検出システムは96%の精度で検出でき、真の異常の91%を正確に予測できる。
論文 参考訳（メタデータ） (2022-09-14T14:33:07Z) - 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) - CAN-LOC: Spoofing Detection and Physical Intrusion Localization on an
In-Vehicle CAN Bus Based on Deep Features of Voltage Signals [48.813942331065206]
車両内ネットワークのためのセキュリティ強化システムを提案する。
提案システムは,CANバスで測定した電圧信号から抽出した深い特徴を処理する2つの機構を含む。
論文 参考訳（メタデータ） (2021-06-15T06:12:33Z) - Self-awareness in Intelligent Vehicles: Experience Based Abnormality
Detection [4.721146043492144]
本稿では,車両内部の相互相関パラメータに基づく異常検出手法を提案する。
動的ベイズネットワーク(DBN)モデルをトレーニングすることで、車両が誤動作している可能性を自動評価し、検出することができる。
論文 参考訳（メタデータ） (2020-10-28T16:08:54Z) - A Survey and Tutorial of EEG-Based Brain Monitoring for Driver State
Analysis [164.93739293097605]
EEGは運転状態のモニタリングとヒューマンエラー検出において最も効果的な方法の1つであることが証明されている。
本稿では,過去30年間の脳波に基づく運転状態検出システムとその解析アルゴリズムについて論じる。
現在のEEGベースの運転状態監視アルゴリズムは、安全アプリケーションに有望である、と結論付けている。
論文 参考訳（メタデータ） (2020-08-25T18:21:35Z) - Survey of Network Intrusion Detection Methods from the Perspective of
the Knowledge Discovery in Databases Process [63.75363908696257]
本稿では,侵入検知器の開発を目的として,ネットワークデータに適用された手法について概説する。
本稿では,データのキャプチャ,準備,変換,データマイニング,評価などの手法について論じる。
この文献レビューの結果、ネットワークセキュリティ分野のさらなる研究のために考慮すべきいくつかのオープンな問題について検討する。
論文 参考訳（メタデータ） (2020-01-27T11:21:05Z)
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。