論文の概要: Smart Car Privacy: Survey of Attacks and Privacy Issues
- arxiv url: http://arxiv.org/abs/2508.03413v1
- Date: Tue, 05 Aug 2025 12:59:17 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-06 18:18:55.972372
- Title: Smart Car Privacy: Survey of Attacks and Privacy Issues
- Title（参考訳）: スマートカーのプライバシー: 攻撃とプライバシー問題の調査
- Authors: Akshay Madhav Deshmukh,
- Abstract要約: Vehicular Adhoc Networks (VANETs) はモバイルアドホックネットワークの新興技術である。
セキュリティとプライバシは、車両の移動性のためにVANETの主要な懸念事項である。
本稿では,各種車両ネットワークアーキテクチャの概要について述べる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Automobiles are becoming increasingly important in our day to day life. Modern automobiles are highly computerized and hence potentially vulnerable to attack. Providing many wireless connectivity for vehicles enables a bridge between vehicles and their external environments. Such a connected vehicle solution is expected to be the next frontier for automotive revolution and the key to the evolution to next generation intelligent transportation systems. Vehicular Ad hoc Networks (VANETs) are emerging mobile ad hoc network technologies incorporating mobile routing protocols for inter-vehicle data communications to support intelligent transportation systems. Thus security and privacy are the major concerns in VANETs due to the mobility of the vehicles. Thus designing security mechanisms to remove adversaries from the network remarkably important in VANETs. This paper provides an overview of various vehicular network architectures. The evolution of security in modern vehicles. Various security and privacy attacks in VANETs with their defending mechanisms with examples and classify these mechanisms. It also provides an overview of various privacy implication that a vehicular network possess.
- Abstract（参考訳）: 自動車は日々の生活の中でますます重要になってきています。
現代の自動車は高度にコンピュータ化されており、攻撃に弱い可能性がある。
車両の多くの無線接続を提供することで、車両と外部環境の間の橋渡しが可能になる。
このようなコネクテッドカーソリューションは、自動車革命の次のフロンティアであり、次世代のインテリジェントトランスポートシステムへの進化の鍵となると期待されている。
Vehicular Adhoc Networks (VANETs)は、車間データ通信のためのモバイルルーティングプロトコルを組み込んだ、インテリジェントな輸送システムをサポートするモバイルアドホックネットワーク技術である。
したがって、セキュリティとプライバシは、車両の移動性のためにVANETの主要な関心事である。
したがって、VANETにおいて、ネットワークから敵を取り除くためのセキュリティメカニズムを設計する。
本稿では,各種車両ネットワークアーキテクチャの概要について述べる。
現代の車両におけるセキュリティの進化。
VANETにおける様々なセキュリティとプライバシの攻撃は、その防御メカニズムを例に挙げ、これらのメカニズムを分類する。
また、車載ネットワークが持つ様々なプライバシーへの影響の概要も提供する。
関連論文リスト
- 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) - Physical Backdoor Attack can Jeopardize Driving with Vision-Large-Language Models [53.701148276912406]
Vision-Large-Language-models (VLMs) は自動運転において大きな応用可能性を持っている。
BadVLMDriverは、物理的オブジェクトを使用して実際に起動できる自動運転のためのVLMに対する最初のバックドア攻撃である。
BadVLMDriverは、赤い風船を持った歩行者に突如、加速を誘導する攻撃の成功率を92%達成する。
論文 参考訳（メタデータ） (2024-04-19T14:40:38Z) - Differentiated Security Architecture for Secure and Efficient Infotainment Data Communication in IoV Networks [55.340315838742015]
IoVネットワークにおけるインフォテインメントデータ通信の安全性の欠如は、社会的エンジニアリング攻撃の容易なアクセスポイントを意図せずに開放することができる。
特に、まずIoVネットワークでデータ通信を分類し、各データ通信のセキュリティ焦点を調べ、その後、ファイル間通信でセキュリティ保護を提供するための異なるセキュリティアーキテクチャを開発する。
論文 参考訳（メタデータ） (2024-03-29T12:01:31Z) - Reinforcement Learning based Cyberattack Model for Adaptive Traffic
Signal Controller in Connected Transportation Systems [61.39400591328625]
接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。
この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。
そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。
RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
論文 参考訳（メタデータ） (2022-10-31T20:12:17Z) - Anomaly Detection in Intra-Vehicle Networks [0.0]
現代の車両は車内ネットワークや外部ネットワークを含む様々なネットワークに接続されている。
既存のプロトコルの抜け穴によって、車両ネットワークのサイバー攻撃は激増している。
本稿では,CANバスプロトコルのセキュリティ問題について議論し,既知の攻撃を検出する侵入検知システム(IDS)を提案する。
論文 参考訳（メタデータ） (2022-05-07T03:38:26Z) - 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) - A Transfer Learning and Optimized CNN Based Intrusion Detection System
for Internet of Vehicles [10.350337750192997]
本稿では,インターネット・オブ・ビークルズ(IoV)システムにおいて,トランスファー学習とアンサンブル学習に基づくIDSを提案する。
提案されたIDSは、2つの公開ベンチマークIoVセキュリティデータセットで99.25%以上の検出率とF1スコアを示した。
本研究は車内ネットワークおよび車外ネットワークにおけるサイバー攻撃検出におけるIDSの有効性を示す。
論文 参考訳（メタデータ） (2022-01-27T21:24:09Z) - Roadmap for Cybersecurity in Autonomous Vehicles [3.577310844634503]
我々は、過去10年間の大規模な自動車サイバー攻撃と、人工知能(AI)を活用した最先端のソリューションについて論じる。
我々は、安全な自動運転車を構築するためのロードマップを提案し、対処すべき重要なオープンな課題を強調します。
論文 参考訳（メタデータ） (2022-01-19T16:42:18Z) - Cybersecurity Threats in Connected and Automated Vehicles based
Federated Learning Systems [7.979659145328856]
Federated Learning(FL)は、ローカルデータをプライベートに保持する分散型エンティティにまたがるアルゴリズムのトレーニングを目的とする。
ほとんどのサイバー防御技術は、信頼性の高い接続ネットワークに依存します。
本稿では、RSUで進行中のFLプロセスをターゲットにした偽情報攻撃について検討する。
論文 参考訳（メタデータ） (2021-02-26T01:39:16Z) - Fine-Grained Vehicle Perception via 3D Part-Guided Visual Data
Augmentation [77.60050239225086]
実画像中の車両に動的部品を付加した3次元自動車モデルによる効果的なトレーニングデータ生成プロセスを提案する。
私達のアプローチは人間の相互作用なしで完全に自動です。
VUS解析用マルチタスクネットワークとVHI解析用マルチストリームネットワークを提案する。
論文 参考訳（メタデータ） (2020-12-15T03:03:38Z) - Local Differential Privacy based Federated Learning for Internet of
Things [72.83684013377433]
Internet of Vehicles (IoV)は、Waze、Uber、Amazon Mechanical Turkなど、さまざまなクラウドソーシングアプリケーションをシミュレートする。
これらのアプリケーションのユーザは、ユーザの報告したトラフィック情報に基づいて機械学習モデルをトレーニングするクラウドサーバに、リアルタイムのトラフィック情報を報告する。
本稿では,機械学習モデルを実現するためのクラウドソーシングアプリケーションを容易にするために,フェデレーション学習とローカルディファレンシャルプライバシ(LDP)を統合することを提案する。
論文 参考訳（メタデータ） (2020-04-19T14:03:10Z)
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。