論文の概要: Risk Assessment and Threat Modeling for safe autonomous driving technology

• arxiv url: http://arxiv.org/abs/2505.02231v1
• Date: Sun, 04 May 2025 19:51:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-06 18:49:35.496234
• Title: Risk Assessment and Threat Modeling for safe autonomous driving technology
• Title（参考訳）: 安全自動運転技術のリスクアセスメントと脅威モデリング
• Authors: Ian Alexis Wong Paz, Anuvinda Balan, Sebastian Campos, Ehud Orenstain, Sudip Dhakal,
• Abstract要約: この研究は、AVシステムに対する包括的脅威モデルの開発に尽力する。 脅威は、スポフィング、タアンピング、再調査、情報開示、DoS(DoS)、Elevation of Privilegeに分類される。 様々なAVコンポーネントにわたる脆弱性を評価するために、体系的なリスク評価を行う。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: This research paper delves into the field of autonomous vehicle technology, examining the vulnerabilities inherent in each component of these transformative vehicles. Autonomous vehicles (AVs) are revolutionizing transportation by seamlessly integrating advanced functionalities such as sensing, perception, planning, decision-making, and control. However, their reliance on interconnected systems and external communication interfaces renders them susceptible to cybersecurity threats. This research endeavors to develop a comprehensive threat model for AV systems, employing OWASP Threat Dragon and the STRIDE framework. This model categorizes threats into Spoofing, Tampering, Repudiation, Information Disclosure, Denial of Service (DoS), and Elevation of Privilege. A systematic risk assessment is conducted to evaluate vulnerabilities across various AV components, including perception modules, planning systems, control units, and communication interfaces.
• Abstract（参考訳）: この研究論文は、これらのトランスフォーメーション車両の各コンポーネントに固有の脆弱性を調べ、自動運転車技術の分野を掘り下げるものである。 自動運転車(AV)は、知覚、知覚、計画、意思決定、制御といった高度な機能をシームレスに統合することで、輸送に革命をもたらしている。 しかし、相互接続されたシステムや外部通信インターフェースに依存しているため、サイバーセキュリティの脅威を受けやすい。 この研究は、OWASP Threat DragonとSTRIDEフレームワークを用いて、AVシステムに対する包括的脅威モデルの開発に取り組んでいる。 このモデルでは、脅威をスポフィング、テーパー、再調査、情報開示、DoS(DoS)、Elevation of Privilegeに分類する。 認識モジュール、計画システム、制御ユニット、通信インターフェースを含む様々なAVコンポーネントの脆弱性を評価するために、体系的なリスク評価を行う。

関連論文リスト

• A Survey of Model Extraction Attacks and Defenses in Distributed Computing Environments [55.60375624503877]
  モデル抽出攻撃(MEA)は、敵がモデルを盗み、知的財産と訓練データを公開することによって、現代の機械学習システムを脅かす。 この調査は、クラウド、エッジ、フェデレーションのユニークな特性がどのように攻撃ベクトルや防御要件を形作るのかを、緊急に理解する必要に起因している。 本研究は, 自動運転車, 医療, 金融サービスといった重要な分野において, 環境要因がセキュリティ戦略にどう影響するかを実証し, 攻撃手法と防衛機構の進化を系統的に検討する。
  論文  参考訳（メタデータ） (2025-02-22T03:46:50Z)
• ACTISM: Threat-informed Dynamic Security Modelling for Automotive Systems [7.3347982474177185]
  ACTISM(Automotive Consequence-Driven and Threat-Informed Security Modelling)は、統合セキュリティモデリングフレームワークである。 これは、彼らのサイバーセキュリティ姿勢を動的に更新することで、自動車システムのレジリエンスを高める。 我々は、Tesla Electric Vehicleの車載インフォテインメントシステムの実例に適用することで、ACTISMの有効性を実証する。 本稿では,ACTISMの有用性と今後の方向性について,実践者のアンケート調査結果について報告する。
  論文  参考訳（メタデータ） (2024-11-30T09:58:48Z)
• A Survey on Adversarial Robustness of LiDAR-based Machine Learning Perception in Autonomous Vehicles [0.0]
  この調査は、AML(Adversarial Machine Learning)と自律システムの交差点に焦点を当てている。 我々は、脅威の風景を包括的に探求し、センサーに対するサイバー攻撃と敵の摂動を包含する。 本稿では、敵の脅威に対する自律運転システムの安全性確保における課題と今後の課題を簡潔に概説する。
  論文  参考訳（メタデータ） (2024-11-21T01:26:52Z)
• Work-in-Progress: Crash Course: Can (Under Attack) Autonomous Driving Beat Human Drivers? [60.51287814584477]
  本稿では,現在のAVの状況を調べることによって,自律運転における本質的なリスクを評価する。 AVの利点と、現実のシナリオにおける潜在的なセキュリティ課題との微妙なバランスを強調した、特定のクレームを開発する。
  論文  参考訳（メタデータ） (2024-05-14T09:42:21Z)
• CANEDERLI: On The Impact of Adversarial Training and Transferability on CAN Intrusion Detection Systems [17.351539765989433]
  車両と外部ネットワークの統合が拡大し、コントロールエリアネットワーク(CAN)の内部バスをターゲットにした攻撃が急増した。 対策として,様々な侵入検知システム(IDS)が文献で提案されている。 これらのシステムのほとんどは、機械学習(ML)やディープラーニング(DL)モデルのような、データ駆動のアプローチに依存しています。 本稿では,CANベースのIDSをセキュアにするための新しいフレームワークであるCANEDERLIを提案する。
  論文  参考訳（メタデータ） (2024-04-06T14:54:11Z)
• Testing autonomous vehicles and AI: perspectives and challenges from cybersecurity, transparency, robustness and fairness [53.91018508439669]
  この研究は、人工知能を自律走行車(AV)に統合する複雑さを探求する AIコンポーネントがもたらした課題と、テスト手順への影響を調べます。 本稿は、重要な課題を特定し、AV技術におけるAIの研究・開発に向けた今後の方向性を提案する。
  論文  参考訳（メタデータ） (2024-02-21T08:29:42Z)
• Autonomous Vehicles an overview on system, cyber security, risks, issues, and a way forward [0.0]
  この章は、自動運転車の複雑な領域を探求し、その基本的な構成要素と運用上の特性を分析します。 この調査の主な焦点は、サイバーセキュリティの領域、特に自動運転車の文脈にある。 これらの車両を潜在的な脅威から保護することを目的とした様々なリスク管理ソリューションについて、包括的な分析を行う。
  論文  参考訳（メタデータ） (2023-09-25T15:19:09Z)
• When Authentication Is Not Enough: On the Security of Behavioral-Based Driver Authentication Systems [53.2306792009435]
  我々はランダムフォレストとリカレントニューラルネットワークアーキテクチャに基づく2つの軽量ドライバ認証システムを開発した。 我々は,SMARTCANとGANCANという2つの新しいエスケープアタックを開発することで,これらのシステムに対する攻撃を最初に提案する。 コントリビューションを通じて、これらのシステムを安全に採用する実践者を支援し、車の盗難を軽減し、ドライバーのセキュリティを高める。
  論文  参考訳（メタデータ） (2023-06-09T14:33:26Z)
• Dataset Security for Machine Learning: Data Poisoning, Backdoor Attacks, and Defenses [150.64470864162556]
  この作業は体系的に分類され、幅広いデータセット脆弱性とエクスプロイトを議論する。 様々な毒とバックドアの脅威モデルとそれらの関係を記述することに加えて,それらの統一分類法を展開する。
  論文  参考訳（メタデータ） (2020-12-18T22:38:47Z)
• Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
  結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。 敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。 より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
  論文  参考訳（メタデータ） (2020-07-14T05:25:15Z)

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。