Fugu-MT 論文翻訳(概要): Evaluating Vulnerabilities of Connected Vehicles Under Cyber Attacks by Attack-Defense Tree

論文の概要: Evaluating Vulnerabilities of Connected Vehicles Under Cyber Attacks by Attack-Defense Tree

arxiv url: http://arxiv.org/abs/2512.08204v1
Date: Tue, 09 Dec 2025 03:28:31 GMT
ステータス: 翻訳完了
システム内更新日: 2025-12-10 22:28:07.793561
Title: Evaluating Vulnerabilities of Connected Vehicles Under Cyber Attacks by Attack-Defense Tree
Title（参考訳）: サイバー攻撃による連結車両の脆弱性評価
Authors: Muhammad Baqer Mollah, Honggang Wang, Hua Fang,
Abstract要約: CAVにおけるサイバーセキュリティの脆弱性を評価するための攻撃木に基づく手法を提案する。また、既存のサイバーセキュリティの脅威と対応する防御対策に基づく脆弱性の尺度も定義する。
参考スコア（独自算出の注目度）: 1.9483189922830135
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Connected vehicles represent a key enabler of intelligent transportation systems, where vehicles are equipped with advanced communication, sensing, and computing technologies to interact not only with one another but also with surrounding infrastructures and the environment. Through continuous data exchange, such vehicles are capable of enhancing road safety, improving traffic efficiency, and ensuring more reliable mobility services. Further, when these capabilities are integrated with advanced automation technologies, the concept essentially evolves into connected and autonomous vehicles (CAVs). While connected vehicles primarily focus on seamless information sharing, autonomous vehicles are mainly dependent on advanced perception, decision-making, and control mechanisms to operate with minimal or without human intervention. However, as a result of connectivity, an adversary with malicious intentions might be able to compromise successfully by breaching the system components of CAVs. In this paper, we present an attack-tree based methodology for evaluating cyber security vulnerabilities in CAVs. In particular, we utilize the attack-defense tree formulation to systematically assess attack-leaf vulnerabilities, and before analyzing the vulnerability indices, we also define a measure of vulnerabilities, which is based on existing cyber security threats and corresponding defensive countermeasures.
Abstract（参考訳）: 接続された車両は、高度な通信、センシング、コンピューティング技術を備え、互いにだけでなく、周囲のインフラや環境と相互作用するインテリジェントな輸送システムの重要な実現手段である。連続したデータ交換により、これらの車両は道路の安全性を高め、交通効率を向上し、より信頼性の高いモビリティサービスを確保できる。さらに、これらの機能が高度な自動化技術と統合されると、コンセプトは基本的にコネクテッドおよび自律走行車(CAV)へと進化する。コネクテッドカーは主にシームレスな情報共有に重点を置いているが、自動運転車は主に人間の介入なしに運用するための高度な認識、意思決定、制御メカニズムに依存している。しかし、接続性の結果、悪意のある意図を持った敵は、CAVのシステムコンポーネントを侵害することで、うまく妥協できるかもしれない。本稿では,CAVにおけるサイバーセキュリティの脆弱性を評価するための攻撃木に基づく手法を提案する。特に,攻撃防御ツリーの定式化を利用して攻撃防御の脆弱性を体系的に評価し,脆弱性の指標を分析する前に,既存のサイバーセキュリティの脅威と対応する防御対策に基づく脆弱性の尺度も定義する。

関連論文リスト

OS-Sentinel: Towards Safety-Enhanced Mobile GUI Agents via Hybrid Validation in Realistic Workflows [77.95511352806261]
VLM(Vision-Language Models)を利用したコンピュータ利用エージェントは、モバイルプラットフォームのようなデジタル環境を操作する上で、人間のような能力を実証している。我々は,明示的なシステムレベルの違反を検出するための形式検証器と,文脈的リスクとエージェント行動を評価するコンテキスト判断器を組み合わせた,新しいハイブリッド安全検出フレームワークOS-Sentinelを提案する。
論文参考訳（メタデータ） (2025-10-28T13:22:39Z)
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)
Confidence-Regulated Generative Diffusion Models for Reliable AI Agent Migration in Vehicular Metaverses [55.70043755630583]
車両用AIエージェントには、環境認識、意思決定、行動実行能力が与えられている。本稿では、信頼性の高い車両用AIエージェントマイグレーションフレームワークを提案し、信頼性の高い動的マイグレーションと効率的なリソーススケジューリングを実現する。我々は,AIエージェントのマイグレーション決定を効率的に生成する信頼性制御型生成拡散モデル(CGDM)を開発した。
論文参考訳（メタデータ） (2025-05-19T05:04:48Z)
EVSOAR: Security Orchestration, Automation and Response via EV Charging Stations [0.0]
自動車のサイバーセキュリティは、自動車産業のイノベーションが引き起こす重要な懸念として浮上している。これらの課題に対処するための現在の取り組みは、車両の限られた計算資源によって制限されている。
論文参考訳（メタデータ） (2025-03-21T09:48:29Z)
Safeguarding connected autonomous vehicle communication: Protocols, intra- and inter-vehicular attacks and defenses [30.18378702161015]
本稿では,既存のセキュリティフレームワークとプロトコルを詳細に分析することによって貢献する。本稿では,CAV通信のセキュリティ向上のためのベストプラクティスを提案する。主な貢献は、CAVセキュリティ脅威の新しい分類システムの開発である。
論文参考訳（メタデータ） (2025-02-06T16:43:23Z)
Collaborative Approaches to Enhancing Smart Vehicle Cybersecurity by AI-Driven Threat Detection [0.0]
自動車産業はコネクテッド・アンド・オートマチック・カー(CAV)をますます採用している新しい脆弱性とセキュリティ要件の出現により、高度な技術の統合は、CAVサイバーセキュリティを強化するための有望な道を示す。自動運転車におけるサイバーセキュリティのロードマップは、効率的な侵入検知システムとAIベースの技術の重要性を強調している。
論文参考訳（メタデータ） (2024-12-31T04:08:42Z)
VMGuard: Reputation-Based Incentive Mechanism for Poisoning Attack Detection in Vehicular Metaverse [52.57251742991769]
車両メタバースガード(VMGuard)は、車両メタバースシステムをデータ中毒攻撃から保護する。 VMGuardは、参加するSIoTデバイスの信頼性を評価するために、評判に基づくインセンティブメカニズムを実装している。当社のシステムは,従来は誤分類されていた信頼性の高いSIoTデバイスが,今後の市場ラウンドへの参加を禁止していないことを保証します。
論文参考訳（メタデータ） (2024-12-05T17:08:20Z)
A Survey and Comparative Analysis of Security Properties of CAN Authentication Protocols [92.81385447582882]
コントロールエリアネットワーク(CAN)バスは車内通信を本質的に安全でないものにしている。本稿では,CANバスにおける15の認証プロトコルをレビューし,比較する。実装の容易性に寄与する本質的な運用基準に基づくプロトコルの評価を行う。
論文参考訳（メタデータ） (2024-01-19T14:52:04Z)
Survey on Security Attacks in Connected and Autonomous Vehicular Systems [0.0]
本研究は,CAV環境におけるサイバーセキュリティの現状について概説する。 CAVのコンテキストにおけるサイバーセキュリティの脅威と弱点を、車両ネットワークに対する攻撃、インターネットに対する大規模な攻撃、その他の3つのグループに分類する。 CAVを確保するための最も最新の防衛戦術を詳述し、その効果を分析している。
論文参考訳（メタデータ） (2023-10-14T06:37:05Z)
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)
Smart and Secure CAV Networks Empowered by AI-Enabled Blockchain: Next Frontier for Intelligent Safe-Driving Assessment [17.926728975133113]
コネクテッド・自動運転車(CAV)の安全運転状況の確保は、引き続き広く懸念されている。アルゴリズム対応型intElligent Safe-Driven AssessmentmenT(BEST)の新たなフレームワークを提案し、スマートで信頼性の高いアプローチを提供します。
論文参考訳（メタデータ） (2021-04-09T19:08:34Z)

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。