論文の概要: A Survey of Learning-Based Intrusion Detection Systems for In-Vehicle Network
- arxiv url: http://arxiv.org/abs/2505.11551v1
- Date: Thu, 15 May 2025 12:38:59 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-20 14:57:10.696496
- Title: A Survey of Learning-Based Intrusion Detection Systems for In-Vehicle Network
- Title（参考訳）: 車両内ネットワークにおける学習型侵入検知システムの検討
- Authors: Muzun Althunayyan, Amir Javed, Omer Rana,
- Abstract要約: コネクテッド・アンド・オートマチック・ビークルズ(CAV)はモビリティを高めるが、サイバーセキュリティの脅威に直面している。
サイバー攻撃は、重要なシステムに対する制御の喪失を含む、接続された車両に壊滅的な結果をもたらす可能性がある。
In-vehicle Intrusion Detection Systems (IDSs) は、悪意のあるアクティビティをリアルタイムで検出することで、有望なアプローチを提供する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Connected and Autonomous Vehicles (CAVs) enhance mobility but face cybersecurity threats, particularly through the insecure Controller Area Network (CAN) bus. Cyberattacks can have devastating consequences in connected vehicles, including the loss of control over critical systems, necessitating robust security solutions. In-vehicle Intrusion Detection Systems (IDSs) offer a promising approach by detecting malicious activities in real time. This survey provides a comprehensive review of state-of-the-art research on learning-based in-vehicle IDSs, focusing on Machine Learning (ML), Deep Learning (DL), and Federated Learning (FL) approaches. Based on the reviewed studies, we critically examine existing IDS approaches, categorising them by the types of attacks they detect - known, unknown, and combined known-unknown attacks - while identifying their limitations. We also review the evaluation metrics used in research, emphasising the need to consider multiple criteria to meet the requirements of safety-critical systems. Additionally, we analyse FL-based IDSs and highlight their limitations. By doing so, this survey helps identify effective security measures, address existing limitations, and guide future research toward more resilient and adaptive protection mechanisms, ensuring the safety and reliability of CAVs.
- Abstract（参考訳）: コネクテッド・アンド・オートマチック・ビークルズ(CAV)はモビリティを高めるが、サイバーセキュリティの脅威に直面している。
サイバー攻撃は、重要なシステムに対する制御の喪失、堅牢なセキュリティソリューションの必要性を含む、接続された車両に壊滅的な結果をもたらす可能性がある。
In-vehicle Intrusion Detection Systems (IDSs) は、悪意のあるアクティビティをリアルタイムで検出することで、有望なアプローチを提供する。
この調査は、機械学習(ML)、ディープラーニング(DL)、フェデレーション学習(FL)アプローチに焦点を当てた、学習ベースの車載IDSに関する最先端の研究の包括的なレビューを提供する。
レビューされた研究に基づいて、既存のIDSアプローチを批判的に検証し、その制限を特定しながら、検出した攻撃の種類(既知の、未知の、複合された未知の攻撃)によって分類する。
また、安全クリティカルシステムの要件を満たすために、複数の基準を検討する必要があることを強調し、研究で使用される評価指標についても検討する。
さらに、FLベースのIDSを分析し、それらの制限を強調します。
この調査は、効果的なセキュリティ対策を特定し、既存の制限に対処し、より弾力的で適応的な保護メカニズムに向けた将来の研究をガイドし、CAVの安全性と信頼性を確保するのに役立ちます。
関連論文リスト
- CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。
CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。
物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
論文 参考訳（メタデータ） (2025-05-14T13:37:07Z) - Open Problems in Machine Unlearning for AI Safety [61.43515658834902]
特定の種類の知識を選択的に忘れたり、抑圧したりするマシンアンラーニングは、プライバシとデータ削除タスクの約束を示している。
本稿では,アンラーニングがAI安全性の包括的ソリューションとして機能することを防止するための重要な制約を特定する。
論文 参考訳（メタデータ） (2025-01-09T03:59:10Z) - An Anomaly Detection System Based on Generative Classifiers for Controller Area Network [7.537220883022467]
現代の車両は様々な種類の攻撃を受けやすいため、攻撃者はコントロールを獲得し、安全クリティカルなシステムを妥協することができる。
車両へのサイバー攻撃を検出するために、いくつかの侵入検知システム(IDS)が文献で提案されている。
本稿では,自動車ネットワークにおける異常検出のための新しい生成型分類器を用いたIDSを提案する。
論文 参考訳（メタデータ） (2024-12-28T19:59:33Z) - Machine Learning-Assisted Intrusion Detection for Enhancing Internet of Things Security [1.2369895513397127]
IoT(Internet of Things)に対する攻撃は、デバイス、アプリケーション、インタラクションのネットワーク化と統合化が進むにつれて増加している。
IoTデバイスを効率的にセキュアにするためには、侵入システムのリアルタイム検出が重要である。
本稿では、IoTセキュリティのための機械学習ベースの侵入検知戦略に関する最新の研究について検討する。
論文 参考訳（メタデータ） (2024-10-01T19:24:34Z) - 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) - 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) - 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) - Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。
我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。
我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文 参考訳（メタデータ） (2020-10-19T13:09:31Z) - 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) - 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。