論文の概要: CAN-Trace Attack: Exploit CAN Messages to Uncover Driving Trajectories

• arxiv url: http://arxiv.org/abs/2507.09624v1
• Date: Sun, 13 Jul 2025 13:31:07 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-15 18:48:23.6565
• Title: CAN-Trace Attack: Exploit CAN Messages to Uncover Driving Trajectories
• Title（参考訳）: CAN-Trace攻撃:CANメッセージの爆発で運転軌跡を発見
• Authors: Xiaojie Lin, Baihe Ma, Xu Wang, Guangsheng Yu, Ying He, Wei Ni, Ren Ping Liu,
• Abstract要約: 本稿では,CANエリアネットワーク(Controller Area Network, CAN)メッセージを利用した新たなプライバシ攻撃機構であるCAN-Traceを紹介した。 CAN-Traceは、道路ネットワークと比較して、生成されたグラフにグラフマッチングアルゴリズムを適用して、走行軌跡を特定する。 都市部では90.59%、郊外部では99.41%の攻撃成功率を達成した。
• 参考スコア（独自算出の注目度）: 25.381835491855522
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Driving trajectory data remains vulnerable to privacy breaches despite existing mitigation measures. Traditional methods for detecting driving trajectories typically rely on map-matching the path using Global Positioning System (GPS) data, which is susceptible to GPS data outage. This paper introduces CAN-Trace, a novel privacy attack mechanism that leverages Controller Area Network (CAN) messages to uncover driving trajectories, posing a significant risk to drivers' long-term privacy. A new trajectory reconstruction algorithm is proposed to transform the CAN messages, specifically vehicle speed and accelerator pedal position, into weighted graphs accommodating various driving statuses. CAN-Trace identifies driving trajectories using graph-matching algorithms applied to the created graphs in comparison to road networks. We also design a new metric to evaluate matched candidates, which allows for potential data gaps and matching inaccuracies. Empirical validation under various real-world conditions, encompassing different vehicles and driving regions, demonstrates the efficacy of CAN-Trace: it achieves an attack success rate of up to 90.59% in the urban region, and 99.41% in the suburban region.
• Abstract（参考訳）: 既存の緩和措置にもかかわらず、トラジェクトリデータの運転はプライバシー侵害に弱いままだ。 従来の運転軌跡検出方法は、GPS(Global Positioning System)データによる経路の地図マッチングに依存しており、GPSデータ停止の影響を受けやすい。 本稿では、CAN-Traceという新しいプライバシー攻撃機構を紹介し、CAN(Controller Area Network)メッセージを利用して運転軌跡を解明し、運転者の長期的なプライバシーに重大なリスクをもたらす。 CANメッセージ,特に車両速度と加速ペダル位置を重み付きグラフに変換する新しい軌道再構成アルゴリズムを提案する。 CAN-Traceは、道路ネットワークと比較して、生成されたグラフにグラフマッチングアルゴリズムを適用して、走行軌跡を特定する。 また、一致した候補を評価するための新しい指標を設計し、潜在的なデータギャップと不正確なマッチングを可能にする。 様々な実世界の状況下での実証的な検証は、CAN-Traceの有効性を示しており、都市部では90.59%、郊外部では99.41%の攻撃成功率を達成している。

関連論文リスト

• Multi-Source Urban Traffic Flow Forecasting with Drone and Loop Detector Data [61.9426776237409]
  ドローンが捉えたデータは、大規模都市ネットワークのための正確なマルチセンサー移動観測所を作ることができる。 単純なグラフベースモデルHiMSNetは、複数のデータモダリティと学習時間相関を統合するために提案されている。
  論文  参考訳（メタデータ） (2025-01-07T03:23:28Z)
• A Multi-Loss Strategy for Vehicle Trajectory Prediction: Combining Off-Road, Diversity, and Directional Consistency Losses [68.68514648185828]
  軌道予測は、自動運転車における計画の安全性と効率に不可欠である。 現在のモデルでは、複雑な交通規則と潜在的な車両の動きを完全に捉えることができないことが多い。 本研究は, オフロード損失, 方向整合誤差, ダイバーシティ損失の3つの新しい損失関数を紹介する。
  論文  参考訳（メタデータ） (2024-11-29T14:47:08Z)
• Multimodal Trajectory Prediction for Autonomous Driving on Unstructured Roads using Deep Convolutional Network [15.950227451262919]
  露天掘り鉱業における自動運転の応用は、安全で効率的な輸送を実現するための注目を集めている。 対象車両の複数の軌道とその確率を予測する手法を提案する。 この方法は、オープンピットマイニングにおける自律運転シナリオに特化したデータセット上で、オフラインでテストされた。
  論文  参考訳（メタデータ） (2024-09-27T02:29:02Z)
• Advance Real-time Detection of Traffic Incidents in Highways using Vehicle Trajectory Data [3.061662434597097]
  本研究は、ルイジアナ州で最も急激な高速道路であるI-10の車両軌跡データと交通事故データを用いている。 さまざまな機械学習アルゴリズムを使用して、下流の道路区間で事故に遭遇する可能性のある軌道を検出する。 その結果,ランダムフォレストモデルでは,適切なリコール値と識別能力を持つインシデントを予測する上で,最高の性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2024-08-15T00:51:48Z)
• Your Car Tells Me Where You Drove: A Novel Path Inference Attack via CAN Bus and OBD-II Data [57.22545280370174]
  On Path Diagnostic - Intrusion & Inference (OPD-II) は物理カーモデルとマップマッチングアルゴリズムを利用した新しい経路推論攻撃である。 我々は4台の異なる車両と41トラックの道路および交通シナリオに対する攻撃を実行した。
  論文  参考訳（メタデータ） (2024-06-30T04:21:46Z)
• Clustering Dynamics for Improved Speed Prediction Deriving from Topographical GPS Registrations [0.0]
  スパースGPSデータポイントとそれに関連する地形・道路設計特徴を用いた速度予測手法を提案する。 私たちのゴールは、地形とインフラの類似性を利用して、交通データがない地域での速度を予測する機械学習モデルをトレーニングできるかどうかを調べることです。
  論文  参考訳（メタデータ） (2024-02-12T09:28:16Z)
• Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
  RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。 データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
  論文  参考訳（メタデータ） (2023-12-13T23:06:30Z)
• 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)
• SRRT: Exploring Search Region Regulation for Visual Object Tracking [58.68120400180216]
  探索領域規則追跡(SRRT)と呼ばれる新しい追跡パラダイムを提案する。 SRRTでは,各フレームに対して最適な探索領域を動的に推定するために,提案された探索領域レギュレータを適用している。 大規模なLaSOTベンチマークでは、SRRTはSiamRPN++とTransTをAUCの4.6%と3.1%で改善した。
  論文  参考訳（メタデータ） (2022-07-10T11:18:26Z)
• Haul Road Mapping from GPS Traces [0.0]
  本稿では,道路網の正確な表現を,現場で運用されているトラックから取得したGPSデータを用いて自動的に導き出す可能性について検討する。 全ての試験アルゴリズムで見られる欠点に基づいて, 地雷の現場に典型的な工芸品の道路地図を幾何学的に解析するポストプロセッシング・ステップが開発された。
  論文  参考訳（メタデータ） (2022-06-27T04:35:06Z)

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。