論文の概要: VMGuard: Reputation-Based Incentive Mechanism for Poisoning Attack Detection in Vehicular Metaverse
- arxiv url: http://arxiv.org/abs/2412.04349v1
- Date: Thu, 05 Dec 2024 17:08:20 GMT
- ステータス: 翻訳完了
- システム内更新日: 2024-12-06 14:38:49.567540
- Title: VMGuard: Reputation-Based Incentive Mechanism for Poisoning Attack Detection in Vehicular Metaverse
- Title(参考訳): VMGuard:Vehicular Metaverseにおける攻撃検出の警告に基づくインセンティブメカニズム
- Authors: Ismail Lotfi, Marwa Qaraqe, Ali Ghrayeb, Dusit Niyato,
- Abstract要約: 車両メタバースガード(VMGuard)は、車両メタバースシステムをデータ中毒攻撃から保護する。
VMGuardは、参加するSIoTデバイスの信頼性を評価するために、評判に基づくインセンティブメカニズムを実装している。
当社のシステムは,従来は誤分類されていた信頼性の高いSIoTデバイスが,今後の市場ラウンドへの参加を禁止していないことを保証します。
- 参考スコア(独自算出の注目度): 52.57251742991769
- License:
- Abstract: The vehicular Metaverse represents an emerging paradigm that merges vehicular communications with virtual environments, integrating real-world data to enhance in-vehicle services. However, this integration faces critical security challenges, particularly in the data collection layer where malicious sensing IoT (SIoT) devices can compromise service quality through data poisoning attacks. The security aspects of the Metaverse services should be well addressed both when creating the digital twins of the physical systems and when delivering the virtual service to the vehicular Metaverse users (VMUs). This paper introduces vehicular Metaverse guard (VMGuard), a novel four-layer security framework that protects vehicular Metaverse systems from data poisoning attacks. Specifically, when the virtual service providers (VSPs) collect data about physical environment through SIoT devices in the field, the delivered content might be tampered. Malicious SIoT devices with moral hazard might have private incentives to provide poisoned data to the VSP to degrade the service quality (QoS) and user experience (QoE) of the VMUs. The proposed framework implements a reputation-based incentive mechanism that leverages user feedback and subjective logic modeling to assess the trustworthiness of participating SIoT devices. More precisely, the framework entails the use of reputation scores assigned to participating SIoT devices based on their historical engagements with the VSPs. Ultimately, we validate our proposed model using comprehensive simulations. Our key findings indicate that our mechanism effectively prevents the initiation of poisoning attacks by malicious SIoT devices. Additionally, our system ensures that reliable SIoT devices, previously missclassified, are not barred from participating in future rounds of the market.
- Abstract(参考訳): 車内メタバースは、車内通信を仮想環境と統合し、車内サービスを強化するために現実世界のデータを統合する、新たなパラダイムである。
しかし、この統合は、特に悪意のあるIoT(SIoT)デバイスがデータ中毒攻撃によってサービス品質を損なう可能性のあるデータ収集層において、重要なセキュリティ上の課題に直面している。
Metaverseサービスのセキュリティ面は、物理的なシステムのデジタルツインを作成する場合と、仮想サービスをVMU(Vheicular Metaverse users)に配信する場合の両方において、うまく対処すべきである。
本稿では、車体メタバースシステムを保護する新しい4層セキュリティフレームワークである車体メタバースガード(VMGuard)について紹介する。
具体的には、仮想サービスプロバイダ(VSP)がフィールド内のSIoTデバイスを介して物理環境に関するデータを収集する場合、配信されたコンテンツは妨害される可能性がある。
モラルハザードを持つ悪意あるSIoTデバイスは、VMUのサービス品質(QoS)とユーザエクスペリエンス(QoE)を低下させるために、VSPに有毒なデータを提供するプライベートインセンティブを持つ可能性がある。
提案フレームワークは,ユーザのフィードバックと主観的論理モデリングを活用して,SIoTデバイスの信頼性を評価する,評価に基づくインセンティブ機構を実装している。
より正確には、このフレームワークはVSPとの歴史的な関わりに基づいて、参加するSIoTデバイスに割り当てられた評価スコアを使用する必要がある。
最終的に、包括的シミュレーションを用いて提案したモデルを検証する。
我々のキーとなる発見は、我々のメカニズムが悪意あるSIoTデバイスによる中毒攻撃を効果的に防ぐことを示唆している。
さらに、当社のシステムは、以前機密にされていた信頼性の高いSIoTデバイスが、将来のラウンドへの参加を禁止されていないことを保証します。
関連論文リスト
- Contextualizing Security and Privacy of Software-Defined Vehicles: State of the Art and Industry Perspectives [7.160802183553593]
Software-Defined Vehicles(SDV)によるサイバーセキュリティとプライバシの課題に関する調査
SDVはOTA(Over-the-Air)アップデートやV2X(Valby-to-Everything)通信といった機能をますます統合している。
SDVへの移行は、車両が大量の機密データを収集するなど、重要なプライバシー上の懸念も引き起こす。
論文 参考訳(メタデータ) (2024-11-15T22:30:07Z) - Enhancing Trust and Security in the Vehicular Metaverse: A Reputation-Based Mechanism for Participants with Moral Hazard [7.574183799932813]
我々は、車体メタバースの領域における道徳的ハザードの問題に取り組む。
評価に基づく戦略を中心としたインセンティブメカニズムを提案する。
論文 参考訳(メタデータ) (2024-05-23T16:17:07Z) - Poisoning Prevention in Federated Learning and Differential Privacy via Stateful Proofs of Execution [8.92716309877259]
フェデレートラーニング(FL)とローカルディファレンシャルプライバシ(LDP)は、ここ数年で多くの注目を集めています。
彼らは毒殺攻撃に弱いという共通の制限を共有している。
本稿では,国家執行の証明という新たなセキュリティ概念に基づいて,この問題を是正するシステムレベルのアプローチを提案する。
論文 参考訳(メタデータ) (2024-04-10T04:18:26Z) - Blockchain-based Pseudonym Management for Vehicle Twin Migrations in Vehicular Edge Metaverse [73.79237826420925]
Vehicle Twins(VT)は、VMUの運転安全性と車載満足度を改善するために、貴重なメタバースサービスを提供している。
中断しないメタバース体験を維持するためには、VTは車両の動きに従ってエッジサーバ間で移動する必要がある。
これにより、車両のエッジメタバース間の動的通信中にプライバシー侵害が懸念される可能性がある。
既存の偽名管理手法は、車両のエッジメタバースにおける広範囲な偽名要求を満たすには不十分である。
論文 参考訳(メタデータ) (2024-03-22T15:31:37Z) - SISSA: Real-time Monitoring of Hardware Functional Safety and
Cybersecurity with In-vehicle SOME/IP Ethernet Traffic [49.549771439609046]
本稿では,車内機能安全とサイバーセキュリティをモデル化・解析するためのSOME/IP通信トラフィックベースアプローチであるSISSAを提案する。
具体的には、SISSAはWeibullディストリビューションでハードウェア障害をモデル化し、SOME/IP通信に対する5つの潜在的な攻撃に対処する。
広範囲な実験結果から,SISSAの有効性と有効性が確認された。
論文 参考訳(メタデータ) (2024-02-21T03:31:40Z) - Schnorr Approval-Based Secure and Privacy-Preserving IoV Data Aggregation [5.854398238896761]
本稿では,2層アーキテクチャに基づく新しいSchnorr承認に基づくIoVデータ集約フレームワークを提案する。
このフレームワークでは、サーバは、車の生データ、実際のアイデンティティ、軌跡を推測することなく、クラスタからIoVデータを集約することができる。
論文 参考訳(メタデータ) (2024-02-14T23:40:36Z) - Semantic Information Marketing in The Metaverse: A Learning-Based
Contract Theory Framework [68.8725783112254]
仮想サービスプロバイダ(VSP)によるインセンティブのメカニズム設計の問題に対処し,センサデータ販売にIoTデバイスを採用。
帯域幅が限られているため,センサIoTデバイスによる配信データを削減するためにセマンティック抽出アルゴリズムを提案する。
本稿では,新しい反復型契約設計を提案し,マルチエージェント強化学習(MARL)の新たな変種を用いて,モデル付き多次元契約問題の解法を提案する。
論文 参考訳(メタデータ) (2023-02-22T15:52:37Z) - Blockchain-aided Secure Semantic Communication for AI-Generated Content
in Metaverse [59.04428659123127]
仮想交通ネットワークにおけるAIGCサービスのためのブロックチェーン支援セマンティックコミュニケーションフレームワークを提案する。
学習に基づくセマンティック・アタック・スキームを用いて,種々の損失関数を用いて,敵対的セマンティック・データを生成する。
また、ブロックチェーンとゼロ知識証明を用いて、敵対的セマンティックデータのセマンティック類似性の違いを識別するセマンティックディフェンススキームを設計する。
論文 参考訳(メタデータ) (2023-01-25T02:32:02Z) - Generative AI-empowered Effective Physical-Virtual Synchronization in
the Vehicular Metaverse [129.8037449161817]
本稿では,車載メタバースのための生成AIを利用した物理仮想同期フレームワークを提案する。
仮想と物理の同期において、MARは、ユーザの好みに基づいた生成AIモデルを通じて、多彩で個人的なARレコメンデーションをカスタマイズする。
論文 参考訳(メタデータ) (2023-01-18T16:25:42Z)
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。