論文の概要: Vehicular Intrusion Detection System for Controller Area Network: A Comprehensive Survey and Evaluation
- arxiv url: http://arxiv.org/abs/2505.17274v1
- Date: Thu, 22 May 2025 20:42:57 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-26 18:08:33.688292
- Title: Vehicular Intrusion Detection System for Controller Area Network: A Comprehensive Survey and Evaluation
- Title（参考訳）: 制御領域ネットワークのための車両侵入検知システム:総合的な調査と評価
- Authors: Yangyang Liu, Lei Xue, Sishan Wang, Xiapu Luo, Kaifa Zhao, Pengfei Jing, Xiaobo Ma, Yajuan Tang, Haiying Zhou,
- Abstract要約: 本稿では、制御領域ネットワーク(CAN)および特殊電子制御ユニット(ECU)に対する既存の車両攻撃と防衛戦略について検討する。
調査の結果,検討対象のVIDSは主に特定の攻撃カテゴリーに集中しており,潜在的な脅威の幅広い範囲を無視していることが明らかとなった。
本研究は, 車両安全の観点から, VIDS の今後の設計を通知し, 指導することを目的とした, 研究結果に基づくいくつかの防衛勧告を提示する。
- 参考スコア（独自算出の注目度）: 23.68939806308534
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The progress of automotive technologies has made cybersecurity a crucial focus, leading to various cyber attacks. These attacks primarily target the Controller Area Network (CAN) and specialized Electronic Control Units (ECUs). In order to mitigate these attacks and bolster the security of vehicular systems, numerous defense solutions have been proposed.These solutions aim to detect diverse forms of vehicular attacks. However, the practical implementation of these solutions still presents certain limitations and challenges. In light of these circumstances, this paper undertakes a thorough examination of existing vehicular attacks and defense strategies employed against the CAN and ECUs. The objective is to provide valuable insights and inform the future design of Vehicular Intrusion Detection Systems (VIDS). The findings of our investigation reveal that the examined VIDS primarily concentrate on particular categories of attacks, neglecting the broader spectrum of potential threats. Moreover, we provide a comprehensive overview of the significant challenges encountered in implementing a robust and feasible VIDS. Additionally, we put forth several defense recommendations based on our study findings, aiming to inform and guide the future design of VIDS in the context of vehicular security.
- Abstract（参考訳）: 自動車技術の進歩により、サイバーセキュリティは重要な焦点となり、様々なサイバー攻撃につながった。
これらの攻撃は主にCAN(Controller Area Network)とECU(Electronic Control Units)をターゲットにしている。
これらの攻撃を緩和し、車両システムのセキュリティを強化するため、様々な形態の車両攻撃を検知する防衛策が提案されている。
しかし、これらのソリューションの実践的な実装は、まだ一定の限界と課題を呈している。
このような状況を踏まえて,CANおよびECUに対する既存の車両攻撃と防衛戦略を徹底的に検討する。
本研究の目的は,Vehicular Intrusion Detection Systems (VIDS) の今後の設計について,貴重な知見を提供することである。
調査の結果,検討対象のVIDSは主に特定の攻撃カテゴリーに集中しており,潜在的な脅威の幅広い範囲を無視していることが明らかとなった。
さらに、ロバストで実現可能なVIDSの実装において直面する重要な課題について、包括的に概説する。
さらに, 車両安全の観点から, VIDS の今後の設計を通知し, 指導することを目的とした, 研究結果に基づくいくつかの防衛勧告を行った。
関連論文リスト
- A Survey of Learning-Based Intrusion Detection Systems for In-Vehicle Network [0.0]
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。
論文 参考訳（メタデータ） (2025-05-15T12:38:59Z) - Modern DDoS Threats and Countermeasures: Insights into Emerging Attacks and Detection Strategies [49.57278643040602]
分散型サービス拒否(DDoS)攻撃は、オンラインサービスとインフラストラクチャに対する重大な脅威として継続する。
本稿は、過去10年間のDDoS攻撃と検出戦略の包括的調査を提供する。
論文 参考訳（メタデータ） (2025-02-27T11:22:25Z) - Safety at Scale: A Comprehensive Survey of Large Model Safety [298.05093528230753]
我々は、敵攻撃、データ中毒、バックドア攻撃、ジェイルブレイクとプロンプトインジェクション攻撃、エネルギー遅延攻撃、データとモデル抽出攻撃、出現するエージェント固有の脅威を含む、大規模なモデルに対する安全脅威の包括的分類を提示する。
我々は、大規模なモデル安全性におけるオープンな課題を特定し、議論し、包括的な安全性評価、スケーラブルで効果的な防御機構、持続可能なデータプラクティスの必要性を強調します。
論文 参考訳（メタデータ） (2025-02-02T05:14:22Z) - Black-Box Adversarial Attack on Vision Language Models for Autonomous Driving [65.61999354218628]
我々は、自律運転システムにおいて、視覚言語モデル(VLM)をターゲットとしたブラックボックス敵攻撃を設計する第一歩を踏み出す。
セマンティクスの生成と注入による低レベル推論の分解を目標とするカスケーディング・アディバーショナル・ディスラプション(CAD)を提案する。
本稿では,高レベルリスクシナリオの理解と構築に代理VLMを活用することで,動的適応に対処するリスクシーンインジェクションを提案する。
論文 参考訳（メタデータ） (2025-01-23T11:10:02Z) - Security by Design Issues in Autonomous Vehicles [0.7999703756441756]
この研究は、AVのコンテキストにおいて、物理的、サイバー、コーディング、コミュニケーションの各側面にまたがる多様なセキュリティレイヤの概要を概説する。
我々は、潜在的な攻撃ベクトルに対する潜在的な解決策に関する洞察を提供し、自動運転車が進化する脅威の風景の中で安全でレジリエントであることを保証する。
論文 参考訳（メタデータ） (2025-01-07T19:24:11Z) - Navigating Threats: A Survey of Physical Adversarial Attacks on LiDAR Perception Systems in Autonomous Vehicles [4.4538254463902645]
LiDARシステムは敵の攻撃に弱いため、自動運転車の安全性と堅牢性に大きな課題が生じる。
本調査では,LiDARに基づく知覚システムを対象とした身体的敵攻撃に関する研究状況について概説する。
我々は、LiDARベースのシステムに対する既存の攻撃において、重要な課題を特定し、ギャップを浮き彫りにする。
論文 参考訳（メタデータ） (2024-09-30T15:50:36Z) - 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) - A Survey of Security in UAVs and FANETs: Issues, Threats, Analysis of Attacks, and Solutions [1.0923877073891446]
UAVとUAV間の通信を提供するネットワークのセキュリティを確保することが重要である。
この調査は、UAVとFlying Ad Hoc Networks(FANETs)のドメイン内のセキュリティに関する総合的な視点を提供することを目指している。
論文 参考訳（メタデータ） (2023-06-25T16:15:40Z) - Adversarial Machine Learning Attacks and Defense Methods in the Cyber
Security Domain [58.30296637276011]
本稿では,機械学習技術に基づくセキュリティソリューションに対する敵攻撃に関する最新の研究を要約する。
サイバーセキュリティドメインでエンドツーエンドの敵攻撃を実装するという、ユニークな課題を議論するのは、これが初めてである。
論文 参考訳（メタデータ） (2020-07-05T18:22:40Z) - Challenges and Countermeasures for Adversarial Attacks on Deep
Reinforcement Learning [48.49658986576776]
深層強化学習(Dep Reinforcement Learning, DRL)は、周囲の環境に適応する優れた能力のおかげで、現実世界に多くの応用がある。
その大きな利点にもかかわらず、DRLは現実のクリティカルシステムやアプリケーションでの使用を妨げている敵攻撃の影響を受けやすい。
本稿では,DRLベースのシステムにおける新たな攻撃と,これらの攻撃を防御するための潜在的対策について述べる。
論文 参考訳（メタデータ） (2020-01-27T10:53:11Z)
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。