論文の概要: RADAR: a Radio-based Analytics for Dynamic Association and Recognition of pseudonyms in VANETs

• arxiv url: http://arxiv.org/abs/2507.07732v1
• Date: Thu, 10 Jul 2025 13:12:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-11 16:40:15.408069
• Title: RADAR: a Radio-based Analytics for Dynamic Association and Recognition of pseudonyms in VANETs
• Title（参考訳）: RADAR - 無線による動的アソシエーションの分析とVANETにおける偽名認識
• Authors: Giovanni Gambigliani Zoccoli, Filip Valgimigli, Dario Stabili, Mirco Marchetti,
• Abstract要約: RADARは、C-ITS(Cooperative Intelligent Transportation Systems)に参加する車両の追跡アルゴリズムである VANETに配備されたプライバシー保護の偽名スキームを破るために、現代の車両が発する複数の無線信号を利用する。 本研究では,DSRC(Dedicated Short Range Communication)とWi-Fiプローブ要求メッセージを組み合わせることで,標準的な匿名化手法によるトラッキングを改善することができることを示す。
• 参考スコア（独自算出の注目度）: 5.987278280211877
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents RADAR, a tracking algorithm for vehicles participating in Cooperative Intelligent Transportation Systems (C-ITS) that exploits multiple radio signals emitted by a modern vehicle to break privacy-preserving pseudonym schemes deployed in VANETs. This study shows that by combining Dedicated Short Range Communication (DSRC) and Wi-Fi probe request messages broadcast by the vehicle, it is possible to improve tracking over standard de-anonymization approaches that only leverage DSRC, especially in realistic scenarios where the attacker does not have full coverage of the entire vehicle path. The experimental evaluation compares three different metrics for pseudonym and Wi-Fi probe identifier association (Count, Statistical RSSI, and Pearson RSSI), demonstrating that the Pearson RSSI metric is better at tracking vehicles under pseudonym-changing schemes in all scenarios and against previous works. As an additional contribution to the state-of-the-art, we publicly release all implementations and simulation scenarios used in this work.
• Abstract（参考訳）: 本稿では,現代の車両が発する複数の無線信号を利用して,VANETに展開するプライバシー保護偽名スキームを破る,C-ITS(Cooperative Intelligent Transportation Systems)に参加する車両の追跡アルゴリズムであるRADARを提案する。 本研究は、DSRC(Dedicated Short Range Communication)とWi-Fiプローブ要求メッセージを組み合わせることで、DSRCのみを利用した標準的な匿名化手法の追跡を改善することができることを示す。 Pearson RSSI 測定基準は,すべてのシナリオおよび先行研究において,擬似名変更方式による車両の追跡に有効であることを示す。 最先端へのさらなる貢献として、この作業で使用されるすべての実装とシミュレーションシナリオを公開します。

関連論文リスト

• Simulate Any Radar: Attribute-Controllable Radar Simulation via Waveform Parameter Embedding [12.285004244174917]
  SA-Radarは、カスタマイズ可能なレーダー属性に基づいて、制御可能で効率的なレーダーキューブの生成を可能にするレーダーシミュレーションアプローチである。 我々は、波形パラメータを符号化したレーダ属性を条件とした3次元U-NetであるICFAR-Netを設計し、異なるレーダ構成によって引き起こされる信号の変動を捉える。 我々のフレームワークは、新しいセンサ視点と編集シーンのシミュレーションもサポートしており、自動運転アプリケーションのための汎用レーダーデータエンジンとしての可能性を示している。
  論文  参考訳（メタデータ） (2025-06-03T17:58:28Z)
• AI-Driven Intrusion Detection Systems (IDS) on the ROAD Dataset: A Comparative Analysis for Automotive Controller Area Network (CAN) [4.081467217340597]
  コントロールエリアネットワーク(CAN)バスは、電子制御ユニット(ECU)間の車内通信を管理する中央システムである。 CANプロトコルは、固有の脆弱性、暗号化と認証の欠如、攻撃面の拡大、堅牢なセキュリティ対策を必要とするセキュリティ上の問題を引き起こす。 本稿では、ステルスと洗練された注入を含む最新のROADデータセットについて考察する。
  論文  参考訳（メタデータ） (2024-08-30T12:26:23Z)
• Cross-domain Learning Framework for Tracking Users in RIS-aided Multi-band ISAC Systems with Sparse Labeled Data [55.70071704247794]
  統合センシング・通信(ISAC)は6G通信において重要であり、再構成可能なインテリジェントサーフェス(RIS)の急速な発展によって促進される 本稿では,複数の帯域にまたがるマルチモーダルCSIインジケータを協調的に活用し,クロスドメイン方式で追跡機能をモデル化するX2Trackフレームワークを提案する。 X2Trackの下では、トランスフォーマーニューラルネットワークと逆学習技術に基づいて、トラッキングエラーを最小限に抑える効率的なディープラーニングアルゴリズムを設計する。
  論文  参考訳（メタデータ） (2024-05-10T08:04:27Z)
• A Prototype on the Feasibility of Learning Spatial Provenance in XBee and LoRa Networks [0.732582506267845]
  V2Xネットワークでは、通常、ロードサイドユニット(RSU)は参加車両の位置情報を収集して、セキュリティとネットワーク診断機能を提供したいと考えている。 本稿では、車両がプライバシーをある程度侵害し、RSUの要求に応じて座標の低精度な変種を共有することに同意した新しい空間改善フレームワークを提案する。 実演では、より少ないパケットでロー・トゥ・モデレートの精度のローカライズを達成できることが示され、次世代車載ネットワークがリアルタイムセキュリティとネットワークを提供する方法を含むことをアピールする。
  論文  参考訳（メタデータ） (2024-01-12T15:36:28Z)
• Physical-Layer Semantic-Aware Network for Zero-Shot Wireless Sensing [74.12670841657038]
  デバイスレスワイヤレスセンシングは、幅広い没入型人間機械対話型アプリケーションをサポートする可能性から、近年、大きな関心を集めている。 無線信号におけるデータの均一性と分散センシングにおけるデータプライバシ規制は、広域ネットワークシステムにおける無線センシングの広範な適用を妨げる主要な課題であると考えられている。 そこで本研究では,ラベル付きデータを使わずに,一箇所ないし限られた箇所で構築されたモデルを直接他の場所に転送できるゼロショット無線センシングソリューションを提案する。
  論文  参考訳（メタデータ） (2023-12-08T13:50:30Z)
• Unsupervised Domain Adaptation for Self-Driving from Past Traversal Features [69.47588461101925]
  本研究では,新しい運転環境に3次元物体検出器を適応させる手法を提案する。 提案手法は,空間的量子化履歴特徴を用いたLiDARに基づく検出モデルを強化する。 実世界のデータセットの実験では、大幅な改善が示されている。
  論文  参考訳（メタデータ） (2023-09-21T15:00:31Z)
• Experimental Assessment of a Forward-Collision Warning System Fusing Deep Learning and Decentralized Radio Sensing [0.0]
  本稿では、分散無線センシング(RS)に基づく自動前方衝突警報システムを提案する。 この枠組みでは、受信モードの車両は、第2の車両によって送信される連続波形(CW)をプローブ信号として使用し、対向する車両を検出する。 CWプローブ信号に印加されたドップラー信号の特徴を高速に接近する車両によって解析する深層学習(DL)モジュールにより、対向車両の検出を行う。
  論文  参考訳（メタデータ） (2023-09-15T19:55:10Z)
• 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)
• COOPERNAUT: End-to-End Driving with Cooperative Perception for Networked Vehicles [54.61668577827041]
  本稿では,車間認識を用いたエンドツーエンド学習モデルであるCOOPERNAUTを紹介する。 われわれのAutoCastSim実験は、我々の協調知覚駆動モデルが平均成功率を40%向上させることを示唆している。
  論文  参考訳（メタデータ） (2022-05-04T17:55:12Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)

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。