論文の概要: Showcasing standards and approaches for cybersecurity, safety, and privacy issues in connected and autonomous vehicles
- arxiv url: http://arxiv.org/abs/2508.01207v1
- Date: Sat, 02 Aug 2025 05:45:50 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 14:23:49.374108
- Title: Showcasing standards and approaches for cybersecurity, safety, and privacy issues in connected and autonomous vehicles
- Title（参考訳）: 接続型および自律型車両におけるサイバーセキュリティ、安全、およびプライバシー問題のためのショーケース標準とアプローチ
- Authors: Ricardo M. Czekster,
- Abstract要約: 本稿では、リスクアセスメント(RA)と脅威モデリング(TM)に関して、コネクテッド・自動運転車(CAV)におけるサイバーセキュリティ、安全、プライバシの懸念を橋渡しすることを目的とする。
我々は、自動車設定によって生じるような複雑な攻撃面に取り組むためのRAおよびTM研究における最新の標準とアプローチを強調した。
- 参考スコア（独自算出の注目度）: 0.24475591916185502
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In the automotive industry there is a need to handle broad quality deficiencies, eg, performance, maintainability, cybersecurity, safety, and privacy, to mention a few. The idea is to prevent these issues from reaching end-users, ie, road users and inadvertently, pedestrians, aiming to potentially reduce accidents, and allow safe operation in dynamic attack surfaces, for the benefit of a host of stakeholders. This paper aims to bridge cybersecurity, safety, and privacy concerns in Connected and Autonomous Vehicles (CAV) with respect to Risk Assessment (RA) and Threat Modelling (TM) altogether. Practitioners know the vast literature on this topic given the sheer number of recommendations, standards, best practices, and existing approaches, at times impairing projects and fostering valuable and actionable threat analysis. In this paper we collate key outcomes by highlighting latest standards and approaches in RA and TM research to tackle complex attack surfaces as the ones posed by automotive settings. We aim to provide the community with a list of approaches to align expectations with stakeholders when deciding where and when to focus threat related analysis in automotive solutions.
- Abstract（参考訳）: 自動車業界では、いくつかの点に言及するために、幅広い品質の欠陥、例えば、パフォーマンス、保守性、サイバーセキュリティ、安全性、プライバシーを扱う必要がある。
これらの問題は、エンドユーザー、すなわち道路利用者、そして不注意な歩行者に届くのを防ぎ、事故の可能性を減らし、多くの利害関係者の利益のために動的攻撃面での安全な操作を可能にする。
本稿では,コネクテッド・アンド・オートマチック・ビークル(CAV)におけるサイバーセキュリティ,安全性,プライバシの懸念を,リスクアセスメント(RA)とスリート・モデリング(TM)全般に橋渡しすることを目的とする。
実践者は、多くの推奨事項、標準、ベストプラクティス、既存のアプローチを考えると、このトピックに関する膨大な文献を知っています。
本稿では,RAおよびTM研究における最新の標準とアプローチを,自動車設定による複雑な攻撃面に対処するために強調することにより,主要な成果を照合する。
我々は、自動車ソリューションにおける脅威関連分析の場所と時期を決定する際に、利害関係者と期待を一致させるためのアプローチのリストをコミュニティに提供することを目指している。
関連論文リスト
- SafeAgent: Safeguarding LLM Agents via an Automated Risk Simulator [77.86600052899156]
LLM(Large Language Model)ベースのエージェントは、現実のアプリケーションにますますデプロイされる。
完全自動合成データ生成によるエージェント安全性を体系的に向上する最初のフレームワークであるAutoSafeを提案する。
AutoSafeは安全性のスコアを平均で45%向上させ、現実世界のタスクでは28.91%の改善を実現している。
論文 参考訳（メタデータ） (2025-05-23T10:56:06Z) - Cybersecurity for Autonomous Vehicles [0.0]
自動運転車の普及は、自動車業界に大きな変化をもたらしている。
これらの車両がよりつながりを増すにつれ、サイバーセキュリティの脅威が深刻な懸念事項として浮上している。
本稿では,ソフトウェアやハードウェアの脆弱性,無線通信によるリスク,外部インターフェースによる脅威など,主要なサイバーセキュリティ上の課題について論じる。
論文 参考訳（メタデータ） (2025-04-28T18:31:37Z) - Towards Zero Trust Security in Connected Vehicles: A Comprehensive Survey [0.27309692684728615]
Zero Trustは、ユーザ、デバイス、アプリケーションの継続的な検証を促進することによって、従来のセキュリティモデルに挑戦する、新たなサイバーセキュリティモデルである。
本稿では,ゼロトラストのセキュリティについて,既存の文献,原則,課題の総合的なレビューを通じて理解する。
本研究の今後の方向性は、車両間通信パラダイム(V2V)と車両間通信パラダイム(V2I)にゼロトラストの原則を取り入れることに集中する。
論文 参考訳（メタデータ） (2025-04-07T20:29:11Z) - Safety at Scale: A Comprehensive Survey of Large Model and Agent Safety [296.5392512998251]
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) - 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) - Contextualizing Security and Privacy of Software-Defined Vehicles: State of the Art and Industry Perspectives [7.160802183553593]
Software-Defined Vehicles(SDV)によるサイバーセキュリティとプライバシの課題に関する調査
SDVはOTA(Over-the-Air)アップデートやV2X(Valby-to-Everything)通信といった機能をますます統合している。
SDVへの移行は、車両が大量の機密データを収集するなど、重要なプライバシー上の懸念も引き起こす。
論文 参考訳（メタデータ） (2024-11-15T22:30:07Z) - Enhancing Enterprise Security with Zero Trust Architecture [0.0]
Zero Trust Architecture (ZTA) は、現代のサイバーセキュリティに対する変革的なアプローチである。
ZTAは、ユーザ、デバイス、システムがデフォルトで信頼できないことを前提として、セキュリティパラダイムをシフトする。
本稿では、アイデンティティとアクセス管理(IAM)、マイクロセグメンテーション、継続的監視、行動分析など、ZTAの重要なコンポーネントについて検討する。
論文 参考訳（メタデータ） (2024-10-23T21:53:16Z) - Securing Tomorrow's Smart Cities: Investigating Software Security in Internet of Vehicles and Deep Learning Technologies [1.0377683220196872]
IoV(Internet of Vehicles)におけるディープラーニング(DL)技術の統合は,徹底的な検査を必要とするセキュリティ上の課題や課題を数多く導入している。
この文献は、IoVシステムにおけるDLに関連する固有の脆弱性とリスクを概観し、セキュリティ脅威の多面的な性質に光を当てている。
論文 参考訳（メタデータ） (2024-07-23T11:56:33Z) - 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) - A Counterfactual Safety Margin Perspective on the Scoring of Autonomous
Vehicles' Riskiness [52.27309191283943]
本稿では,異なるAVの行動のリスクを評価するためのデータ駆動型フレームワークを提案する。
本稿では,衝突を引き起こす可能性のある名目行動から最小限の偏差を示す,対実的安全マージンの概念を提案する。
論文 参考訳（メタデータ） (2023-08-02T09:48:08Z)
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。