論文の概要: GPU in the Blind Spot: Overlooked Security Risks in Transportation
- arxiv url: http://arxiv.org/abs/2508.01995v1
- Date: Mon, 04 Aug 2025 02:25:43 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-12 13:49:12.353913
- Title: GPU in the Blind Spot: Overlooked Security Risks in Transportation
- Title（参考訳）: 盲点(Blind Spot)におけるGPU: 輸送におけるセキュリティリスクの見落とし
- Authors: Sefatun-Noor Puspa, Mashrur Chowdhury,
- Abstract要約: この記事では、輸送サイバーセキュリティにおける重要な盲点として、GPUセキュリティを強調します。
この懸念をサポートするために、重要なAIワークロードに対するステルスな不正暗号マイナーの影響を示すケーススタディも提示されている。
- 参考スコア（独自算出の注目度）: 3.3296812191509786
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Graphics processing units (GPUs) are becoming an essential part of the intelligent transportation system (ITS) for enabling video-based and artificial intelligence (AI) based applications. GPUs provide high-throughput and energy-efficient computing for tasks like sensor fusion and roadside video analytics. However, these GPUs are one of the most unmonitored components in terms of security. This makes them vulnerable to cyber and hardware attacks, including unauthorized crypto mining. This paper highlights GPU security as a critical blind spot in transportation cybersecurity. To support this concern, it also presents a case study showing the impact of stealthy unauthorized crypto miners on critical AI workloads, along with a detection strategy. We used a YOLOv8-based video processing pipeline running on an RTX 2060 GPU for the case study. A multi-streaming application was executed while a T-Rex crypto miner ran in the background. We monitored how the miner degraded GPU performance by reducing the frame rate and increasing power consumption, which could be a serious concern for GPUs operating in autonomous vehicles or battery-powered edge devices. We observed measurable impacts using GPU telemetry (nvidia-smi) and Nsight Compute profiling, where frame rate dropped by 50 percent, and power usage increased by up to 90%. To detect, we trained lightweight classifiers using extracted telemetry features. All models achieved high accuracy, precision, recall, and F1-score. This paper raises urgent awareness about GPU observability gaps in ITS and offers a replicable framework for detecting GPU misuse through on-device telemetry.
- Abstract（参考訳）: グラフィックス処理ユニット(GPU)は、ビデオベースおよび人工知能(AI)ベースのアプリケーションを実現するためのインテリジェントトランスポートシステム(ITS)の不可欠な部分となっている。
GPUは、センサーフュージョンやロードサイドのビデオ分析といったタスクに対して、高スループットでエネルギー効率の高いコンピューティングを提供する。
しかし、これらのGPUはセキュリティに関して最も監視されていないコンポーネントの1つである。
これにより、不正な暗号マイニングを含むサイバーおよびハードウェア攻撃に脆弱になる。
この記事では、輸送サイバーセキュリティにおける重要な盲点として、GPUセキュリティを強調します。
この懸念をサポートするために、重要なAIワークロードに対するステルスな無許可の暗号マイナーの影響と検出戦略を示すケーススタディも提示されている。
ケーススタディでは,RTX 2060 GPU上で動作するYOLOv8ベースのビデオ処理パイプラインを使用した。
マルチストリーミングアプリケーションが実行され、T-Rex暗号マイニングがバックグラウンドで実行された。
我々は、自動運転車やバッテリ駆動エッジデバイスで動作するGPUにとって、フレームレートの削減と電力消費の増加によるGPUパフォーマンスの低下を監視した。
我々は、GPUテレメトリ(nvidia-smi)とNsight Computeプロファイリングを用いて測定可能な影響を観察し、フレームレートを50%低下させ、消費電力を最大90%増加させた。
検出のために,抽出したテレメトリ機能を用いて軽量分類器を訓練した。
全てのモデルは高い精度、精度、リコール、F1スコアを達成した。
本稿では、ITSにおけるGPUの可観測性ギャップに対する緊急認識を高め、デバイス上でのテレメトリによるGPU誤使用を検出するための複製可能なフレームワークを提供する。
関連論文リスト
- Edge-GPU Based Face Tracking for Face Detection and Recognition Acceleration [0.0]
本稿では,NVIDIA Jetson AGX Orin上での顔検出と認識を最適化するためのハードウェアとソフトウェアの組み合わせを提案する。
結果から,Orin GPUで利用可能なハードウェアエンジンとトラッカーをパイプラインに統合することにより,1920 x 1080 の入力サイズフレームに対して,平均 6 面/フレームを含む290 FPS (frames per second) の劇的なスループットが得られることが示唆された。
このハードウェア・コーデサイン・アプローチは、公共の場でのビデオ監視に不可欠である、エッジで高性能なマシンビジョンシステムを設計する方法を舗装することができる。
論文 参考訳（メタデータ） (2025-05-07T15:57:53Z) - Characterizing GPU Resilience and Impact on AI/HPC Systems [5.4879032865205986]
本研究では,大規模AIシステムデルタHPCにおけるGPUレジリエンスを特徴付ける。
2.5年間の運用データ(1170万GPU時間)をGPUエラーに使用しました。
論文 参考訳（メタデータ） (2025-03-14T22:14:18Z) - Crypto Miner Attack: GPU Remote Code Execution Attacks [0.0]
リモートコード実行(RCE)のエクスプロイトは、AIとMLシステムに重大な脅威をもたらす。
本稿では,デシリアライズ脆弱性とLambdaレイヤなどのカスタムレイヤを活用するRCE攻撃に焦点を当てる。
これらの脆弱性を利用して、暗号マイナをGPU上にデプロイする攻撃を実演する。
論文 参考訳（メタデータ） (2025-02-09T19:26:47Z) - Behavior-Based Detection of GPU Cryptojacking [0.0]
本稿では,GPUによる暗号鍵検出の問題点について考察する。
アプリケーションによるGPU負荷とグラフィックカードRAM使用量に基づく複雑な露光機構を提案する。
制御された仮想マシン環境でテストされ、選択されたGPU暗号ジャッキングサンプルに対して80%成功率、選択された正規のGPU重量アプリケーションに対して20%偽陽性率でテストされた。
論文 参考訳（メタデータ） (2024-08-26T18:11:53Z) - NeRF-XL: Scaling NeRFs with Multiple GPUs [72.75214892939411]
我々は、複数のGPUにまたがるニューラルラジアンス場(NeRF)を分散する原理的手法であるNeRF-XLを提案する。
パラメータ数を大きくして再構成品質を向上し,GPUの高速化を実現した。
我々は,25km2の都市部をカバーする258K画像を含む,これまでで最大規模のオープンソースデータセットMatrixCityを含む,さまざまなデータセットに対するNeRF-XLの有効性を実証した。
論文 参考訳（メタデータ） (2024-04-24T21:43:15Z) - FusionAI: Decentralized Training and Deploying LLMs with Massive
Consumer-Level GPUs [57.12856172329322]
我々は、巨大な未使用のコンシューマレベルのGPUをアンロックする分散システムを構想する。
このシステムは、CPUとGPUメモリの制限、ネットワーク帯域幅の低さ、ピアとデバイスの多様性など、重要な課題に直面している。
論文 参考訳（メタデータ） (2023-09-03T13:27:56Z) - A Study on the Intersection of GPU Utilization and CNN Inference [8.084016058894779]
我々は、畳み込みニューラルネットワーク(CNN)の推論時GPU利用を改善する余地があることを示す。
我々は、CNNの推論時GPU利用を改善する余地があり、GPU利用に関する知識は、利用自体をターゲットとしないアプリケーションでさえも恩恵を受ける可能性があることを論じる。
論文 参考訳（メタデータ） (2022-12-15T16:11:40Z) - EVEREST: Efficient Masked Video Autoencoder by Removing Redundant Spatiotemporal Tokens [57.354304637367555]
ビデオ表現学習のための驚くほど効率的なMVAアプローチであるEVERESTを提案する。
リッチなモーション特徴を含むトークンを発見し、事前トレーニングと微調整の両方の間、非形式的なトークンを破棄する。
提案手法は,MVAの計算とメモリ要求を大幅に低減する。
論文 参考訳（メタデータ） (2022-11-19T09:57:01Z) - ETAD: A Unified Framework for Efficient Temporal Action Detection [70.21104995731085]
時間的行動検出(TAD)のようなトリミングされていないビデオ理解は、しばしば計算資源に対する膨大な需要の苦痛に悩まされる。
我々は、効率的なエンド・ツー・エンドの時間的行動検出(ETAD)のための統合されたフレームワークを構築している。
ETADはTHUMOS-14とActivityNet-1.3の両方で最先端のパフォーマンスを実現している。
論文 参考訳（メタデータ） (2022-05-14T21:16:21Z) - Efficient Visual Tracking via Hierarchical Cross-Attention Transformer [82.92565582642847]
本稿では,HCAT と呼ばれる階層型クロスアテンショントランスを用いた効率的な追跡手法を提案する。
当社のモデルは、GPUで約195fps、CPUで45fps、NVidia Jetson AGX XavierのエッジAIプラットフォームで55fpsで動作します。
論文 参考訳（メタデータ） (2022-03-25T09:45:27Z) - CryptGPU: Fast Privacy-Preserving Machine Learning on the GPU [8.633428365391666]
CryptGPUは、GPU上のすべての操作を実装するプライバシー保護機械学習のためのシステムです。
秘密共有された値を浮動小数点演算に埋め込む新しいインタフェースを導入する。
提案プロトコルは,プライベート推論の2倍から8倍,プライベートトレーニングの6倍から36倍の改善を実現している。
論文 参考訳（メタデータ） (2021-04-22T09:21:40Z) - Faster than FAST: GPU-Accelerated Frontend for High-Speed VIO [46.20949184826173]
この研究は、既存のコンピュータビジョンアルゴリズムを改善するために、効率的な低レベルGPUハードウェア固有の命令の適用性に焦点を当てている。
特に、非マックス抑圧とその後の特徴選択は、全体的な画像処理遅延への顕著な寄与である。
論文 参考訳（メタデータ） (2020-03-30T14:16:23Z)
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。