論文の概要: AI-driven Intrusion Detection for UAV in Smart Urban Ecosystems: A Comprehensive Survey

• arxiv url: http://arxiv.org/abs/2601.19345v1
• Date: Tue, 27 Jan 2026 08:26:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-04 13:49:52.891181
• Title: AI-driven Intrusion Detection for UAV in Smart Urban Ecosystems: A Comprehensive Survey
• Title（参考訳）: スマート都市生態系におけるUAVのAIによる侵入検知:包括的調査
• Authors: Abdullah Khanfor, Raby Hamadi, Noureddine Lasla, Hakim Ghazzai,
• Abstract要約: 本稿では、スマートシティにおけるUAVアプリケーションの構造化されたエビデンスに基づく合成とそのセキュリティ上の課題について述べる。 1)UAVの通信インフラを標的としたサイバー攻撃と,2)UAV自体による無断または無許可の物理的侵入である。 我々は、異常検出のためのマシン/ディープ学習や物体認識のためのコンピュータビジョンといったAIベースの手法が、UAVセキュリティの強化においてどのように重要な役割を果たすかを分析する。
• 参考スコア（独自算出の注目度）: 3.26654570054705
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: UAVs have the potential to revolutionize urban management and provide valuable services to citizens. They can be deployed across diverse applications, including traffic monitoring, disaster response, environmental monitoring, and numerous other domains. However, this integration introduces novel security challenges that must be addressed to ensure safe and trustworthy urban operations. This paper provides a structured, evidence-based synthesis of UAV applications in smart cities and their associated security challenges as reported in the literature over the last decade, with particular emphasis on developments from 2019 to 2025. We categorize these challenges into two primary classes: 1) cyber-attacks targeting the communication infrastructure of UAVs and 2) unwanted or unauthorized physical intrusions by UAVs themselves. We examine the potential of Artificial Intelligence (AI) techniques in developing intrusion detection mechanisms to mitigate these security threats. We analyze how AI-based methods, such as machine/deep learning for anomaly detection and computer vision for object recognition, can play a pivotal role in enhancing UAV security through unified detection systems that address both cyber and physical threats. Furthermore, we consolidate publicly available UAV datasets across network traffic and vision modalities suitable for Intrusion Detection Systems (IDS) development and evaluation. The paper concludes by identifying ten key research directions, including scalability, robustness, explainability, data scarcity, automation, hybrid detection, large language models, multimodal approaches, federated learning, and privacy preservation. Finally, we discuss the practical challenges of implementing UAV IDS solutions in real-world smart city environments.
• Abstract（参考訳）: UAVは都市経営に革命をもたらす可能性があり、市民に貴重なサービスを提供する。 トラフィック監視、災害対応、環境監視など、さまざまなアプリケーションにデプロイすることができる。 しかし、この統合は、安全で信頼性の高い都市オペレーションを保証するために対処しなければならない、新しいセキュリティ課題をもたらす。 本稿は、スマートシティにおけるUAVアプリケーションの構造化されたエビデンスベースの合成と、2019年から2025年までの開発に特に重点を置いて、過去10年間の文献で報告されているセキュリティ上の課題について述べる。 これらの課題を2つの主要なクラスに分類する。 1)UAVの通信インフラを標的としたサイバー攻撃 2) UAV自体による無断又は無許可の物理的侵入 これらの脅威を緩和する侵入検知機構の開発における人工知能(AI)技術の可能性を検討する。 我々は、異常検出のためのマシン/ディープ学習や物体認識のためのコンピュータビジョンといったAIベースの手法が、サイバーと物理的両方の脅威に対処する統合検知システムを通じて、UAVのセキュリティを強化する上で、いかに重要な役割を果たすかを分析する。 さらに,ネットワークトラフィックおよびIDS(Intrusion Detection Systems)の開発および評価に適した視覚モダリティを網羅して,利用可能なUAVデータセットを統合する。 論文は、スケーラビリティ、堅牢性、説明可能性、データの不足、自動化、ハイブリッド検出、大規模言語モデル、マルチモーダルアプローチ、フェデレーション学習、プライバシ保護など、10つの重要な研究方向を特定して結論付けている。 最後に,現実のスマートシティ環境におけるUAV IDSソリューションの実装に関する実践的課題について論じる。

関連論文リスト

• AerialMind: Towards Referring Multi-Object Tracking in UAV Scenarios [64.51320327698231]
  UAVシナリオにおける最初の大規模RMOTベンチマークであるAerialMindを紹介する。 我々は、革新的な半自動協調型エージェントベースラベリングアシスタントフレームワークを開発した。 また,視覚言語表現学習を協調的に強化する新しい手法であるHawkEyeTrackを提案する。
  論文  参考訳（メタデータ） (2025-11-26T04:44:27Z)
• 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)
• Vehicular Intrusion Detection System for Controller Area Network: A Comprehensive Survey and Evaluation [23.68939806308534]
  本稿では、制御領域ネットワーク(CAN)および特殊電子制御ユニット(ECU)に対する既存の車両攻撃と防衛戦略について検討する。 調査の結果,検討対象のVIDSは主に特定の攻撃カテゴリーに集中しており,潜在的な脅威の幅広い範囲を無視していることが明らかとなった。 本研究は, 車両安全の観点から, VIDS の今後の設計を通知し, 指導することを目的とした, 研究結果に基づくいくつかの防衛勧告を提示する。
  論文  参考訳（メタデータ） (2025-05-22T20:42:57Z)
• Security by Design Issues in Autonomous Vehicles [0.7999703756441756]
  この研究は、AVのコンテキストにおいて、物理的、サイバー、コーディング、コミュニケーションの各側面にまたがる多様なセキュリティレイヤの概要を概説する。 我々は、潜在的な攻撃ベクトルに対する潜在的な解決策に関する洞察を提供し、自動運転車が進化する脅威の風景の中で安全でレジリエントであることを保証する。
  論文  参考訳（メタデータ） (2025-01-07T19:24:11Z)
• Networking Systems for Video Anomaly Detection: A Tutorial and Survey [55.28514053969056]
  ビデオ異常検出(VAD)は人工知能(AI)コミュニティにおける基本的な研究課題である。 ディープラーニングとエッジコンピューティングの進歩により、VADは大きな進歩を遂げた。 この記事では、NSVADの初心者向けの包括的なチュートリアルを紹介します。
  論文  参考訳（メタデータ） (2024-05-16T02:00:44Z)
• CANEDERLI: On The Impact of Adversarial Training and Transferability on CAN Intrusion Detection Systems [17.351539765989433]
  車両と外部ネットワークの統合が拡大し、コントロールエリアネットワーク(CAN)の内部バスをターゲットにした攻撃が急増した。 対策として,様々な侵入検知システム(IDS)が文献で提案されている。 これらのシステムのほとんどは、機械学習(ML)やディープラーニング(DL)モデルのような、データ駆動のアプローチに依存しています。 本稿では,CANベースのIDSをセキュアにするための新しいフレームワークであるCANEDERLIを提案する。
  論文  参考訳（メタデータ） (2024-04-06T14:54:11Z)
• Blockchain-Based Security Architecture for Unmanned Aerial Vehicles in B5G/6G Services and Beyond: A Comprehensive Approach [4.552065156611815]
  無人航空機(UAV)は、災害を効果的に管理し、緊急事態に対応するために必要なツールへと進化してきた。 先進的なUAVベースのB5G/6Gアーキテクチャに関連する研究と開発において、異なるセキュリティ課題を特定し、検討することが重要である。
  論文  参考訳（メタデータ） (2023-12-12T01:55:04Z)
• A Survey of Security in UAVs and FANETs: Issues, Threats, Analysis of Attacks, and Solutions [1.0923877073891446]
  UAVとUAV間の通信を提供するネットワークのセキュリティを確保することが重要である。 この調査は、UAVとFlying Ad Hoc Networks(FANETs)のドメイン内のセキュリティに関する総合的な視点を提供することを目指している。
  論文  参考訳（メタデータ） (2023-06-25T16:15:40Z)
• Artificial Intelligence for UAV-enabled Wireless Networks: A Survey [72.10851256475742]
  無人航空機(UAV)は次世代無線通信ネットワークにおいて有望な技術であると考えられている。 人工知能(AI)は近年急速に成長し、成功している。 UAVベースのネットワークにおけるAIの潜在的な応用について概観する。
  論文  参考訳（メタデータ） (2020-09-24T07:11:31Z)

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。