論文の概要: Vehicular Communication Security: Multi-Channel and Multi-Factor Authentication
- arxiv url: http://arxiv.org/abs/2505.00340v1
- Date: Thu, 01 May 2025 06:36:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-02 19:15:55.248024
- Title: Vehicular Communication Security: Multi-Channel and Multi-Factor Authentication
- Title（参考訳）: Vehicular Communication Security: マルチチャネルとマルチファクタ認証
- Authors: Marco De Vincenzi, Shuyang Sun, Chen Bo Calvin Zhang, Manuel Garcia, Shaozu Ding, Chiara Bodei, Ilaria Matteucci, Dajiang Suo,
- Abstract要約: 車両間通信(V2I)は、モビリティ・エンハンシングとセーフティ・クリティカル・サービスの実現に重要な役割を果たしている。
現在のV2I認証は、無線のNon-Line-of-Sight(NLOS)チャネル上のクレデンシャルベースの方法に依存している。
我々は,NLOS暗号認証とLine-of-Sight (LOS)ビジュアルチャネルを組み合わせたマルチチャネル・マルチファクタ認証方式を提案する。
- 参考スコア（独自算出の注目度）: 7.883758003805773
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Secure and reliable communications are crucial for Intelligent Transportation Systems (ITSs), where Vehicle-to-Infrastructure (V2I) communication plays a key role in enabling mobility-enhancing and safety-critical services. Current V2I authentication relies on credential-based methods over wireless Non-Line-of-Sight (NLOS) channels, leaving them exposed to remote impersonation and proximity attacks. To mitigate these risks, we propose a unified Multi-Channel, Multi-Factor Authentication (MFA) scheme that combines NLOS cryptographic credentials with a Line-of-Sight (LOS) visual channel. Our approach leverages a challenge-response security paradigm: the infrastructure issues challenges and the vehicle's headlights respond by flashing a structured sequence containing encoded security data. Deep learning models on the infrastructure side then decode the embedded information to authenticate the vehicle. Real-world experimental evaluations demonstrate high test accuracy, reaching an average of 95% and 96.6%, respectively, under various lighting, weather, speed, and distance conditions. Additionally, we conducted extensive experiments on three state-of-the-art deep learning models, including detailed ablation studies for decoding the flashing sequence. Our results indicate that the optimal architecture employs a dual-channel design, enabling simultaneous decoding of the flashing sequence and extraction of vehicle spatial and locational features for robust authentication.
- Abstract（参考訳）: 安全で信頼性の高い通信は、V2I通信がモビリティ・エンハンシングと安全クリティカルなサービスを実現する上で重要な役割を果たしているインテリジェントトランスポーテーション・システム(ITS)にとって不可欠である。
現在のV2I認証は、無線のNon-Line-of-Sight(NLOS)チャネル上のクレデンシャルベースの方法に依存しており、リモートの偽造や近接攻撃に晒されている。
これらのリスクを軽減するために,NLOS暗号認証とLine-of-Sight (LOS)ビジュアルチャネルを組み合わせた,MFA(Multi-Channel, Multi-Factor Authentication)方式を提案する。
インフラストラクチャは問題に対処し、車両のヘッドライトは、暗号化されたセキュリティデータを含む構造化シーケンスをフラッシュすることで応答する。
インフラ側のディープラーニングモデルは、組み込まれた情報をデコードして車両を認証する。
実世界の実験では、様々な照明、天気、速度、距離条件下で、それぞれ95%と96.6%に達する高いテスト精度を示す。
さらに,3つの最先端ディープラーニングモデルについて,フラッシュシーケンスの復号化に関する詳細なアブレーション研究を含む広範な実験を行った。
この結果から, 最適設計はデュアルチャネル設計を採用し, 点滅シーケンスの同時復号化とロバスト認証のための車両空間特徴と位置特徴の抽出を可能にした。
関連論文リスト
- T2VShield: Model-Agnostic Jailbreak Defense for Text-to-Video Models [88.63040835652902]
テキストからビデオモデルへの攻撃はジェイルブレイク攻撃に弱いため、特別な方法で安全メカニズムをバイパスし、有害または安全でないコンテンツの生成につながる。
我々は、ジェイルブレイクの脅威からテキストからビデオモデルを守るために設計された包括的でモデルに依存しない防衛フレームワークであるT2VShieldを提案する。
本手法は,既存の防御の限界を特定するために,入力,モデル,出力の段階を体系的に解析する。
論文 参考訳（メタデータ） (2025-04-22T01:18:42Z) - Towards Intelligent Transportation with Pedestrians and Vehicles In-the-Loop: A Surveillance Video-Assisted Federated Digital Twin Framework [62.47416496137193]
本稿では,歩行者や車いすによるITSを支援するための監視ビデオ支援型デジタルツイン(SV-FDT)フレームワークを提案する。
i)複数のソースからトラフィック監視ビデオを収集するエンドレイヤ、(ii)セマンティックセグメンテーションに基づく視覚理解、ツインエージェントベースのインタラクションモデリング、およびローカルデジタルツインシステム(LDTS)をローカルで作成するエッジレイヤ、(iii)異なるリージョンにわたるLDTSを統合してグローバルDTモデルをリアルタイムで構築するクラウドレイヤの3層で構成されている。
論文 参考訳（メタデータ） (2025-03-06T07:36:06Z) - ViFi-ReID: A Two-Stream Vision-WiFi Multimodal Approach for Person Re-identification [3.3743041904085125]
人物再識別(ReID)は、安全検査、人員計数などにおいて重要な役割を担っている。
現在のReIDアプローチのほとんどは、主に目的条件の影響を受けやすい画像から特徴を抽出する。
我々は、Wi-Fi信号のチャネル状態情報(CSI)を介して歩行者からの歩行情報をキャプチャすることで、広く利用可能なルータをセンサデバイスとして活用する。
論文 参考訳（メタデータ） (2024-10-13T15:34:11Z) - PLLM-CS: Pre-trained Large Language Model (LLM) for Cyber Threat Detection in Satellite Networks [0.20971479389679332]
衛星ネットワークは、様々な重要なインフラのための通信サービスを促進する上で不可欠である。
これらのシステムの一部は、効果的な侵入検知システムがないために脆弱である。
サイバーセキュリティのための事前学習型大規模言語モデルを提案する。
論文 参考訳（メタデータ） (2024-05-09T00:00:27Z) - 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) - Secure Authentication Mechanism for Cluster based Vehicular Adhoc Network (VANET): A Survey [1.0070449177493677]
Vehicular Ad Hoc Networks (VANETs) は、車とインフラ間の通信を容易にすることにより、インテリジェントトランスポーテーションシステム (ITS) において重要な役割を担っている。
本稿では,クラスタベースVANETにおける既存の認証機構を包括的に分析する。
セキュリティキー管理技術の統合は、全体的な認証プロセスを強化するために議論される。
論文 参考訳（メタデータ） (2023-12-20T10:58:43Z) - Federated Learning for Connected and Automated Vehicles: A Survey of
Existing Approaches and Challenges [8.20034065712914]
機械学習(ML)は、コネクテッド・アンド・オートマチック・ビークル(CAV)の主要なタスクに広く使われている
フェデレートラーニング(FL)は、複数の車両が協調してモデルを開発することを可能にする、分散MLアプローチである。
本稿では, FL の CAV (FL4CAV) への適用における進歩を概観する。
論文 参考訳（メタデータ） (2023-08-21T01:21:21Z) - Practical quantum secure direct communication with squeezed states [55.41644538483948]
CV-QSDCシステムの最初の実験実験を行い,その安全性について報告する。
この実現は、将来的な脅威のない量子大都市圏ネットワークへの道を歩み、既存の高度な波長分割多重化(WDM)システムと互換性がある。
論文 参考訳（メタデータ） (2023-06-25T19:23:42Z) - Safety-Enhanced Autonomous Driving Using Interpretable Sensor Fusion
Transformer [28.15612357340141]
我々は、InterFuser(Interpretable Sensor Fusion Transformer)という安全強化型自律走行フレームワークを提案する。
我々は、総合的なシーン理解と対向事象検出を実現するために、マルチモーダル・マルチビューセンサーからの情報を処理し、融合する。
私たちのフレームワークは、よりセマンティクスを提供し、安全なセット内のアクションをよりよく制約するために利用されます。
論文 参考訳（メタデータ） (2022-07-28T11:36:21Z) - Federated Deep Learning Meets Autonomous Vehicle Perception: Design and
Verification [168.67190934250868]
フェデレーテッド・ラーニング・パワード・コネクテッド・オートモービル(FLCAV)が提案されている。
FLCAVは通信とアノテーションのコストを削減しながらプライバシを保存する。
マルチステージトレーニングのためのネットワークリソースと道路センサのポーズを決定することは困難である。
論文 参考訳（メタデータ） (2022-06-03T23:55:45Z) - Robust Semi-supervised Federated Learning for Images Automatic
Recognition in Internet of Drones [57.468730437381076]
プライバシー保護型UAV画像認識のための半教師付きフェデレートラーニング(SSFL)フレームワークを提案する。
異なるカメラモジュールを使用したUAVによって収集されたローカルデータの数、特徴、分布には大きな違いがある。
本稿では,クライアントがトレーニングに参加する頻度,すなわちFedFreqアグリゲーションルールに基づくアグリゲーションルールを提案する。
論文 参考訳（メタデータ） (2022-01-03T16:49:33Z)
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。