Fugu-MT 論文翻訳(概要): Robust Vision Systems for Connected and Autonomous Vehicles: Security Challenges and Attack Vectors

論文の概要: Robust Vision Systems for Connected and Autonomous Vehicles: Security Challenges and Attack Vectors

arxiv url: http://arxiv.org/abs/2602.09740v2
Date: Wed, 11 Feb 2026 11:23:56 GMT
ステータス: 翻訳完了
システム内更新日: 2026-02-12 15:03:20.21742
Title: Robust Vision Systems for Connected and Autonomous Vehicles: Security Challenges and Attack Vectors
Title（参考訳）: 接続型・自律型車両のロバストビジョンシステム:セキュリティ問題と攻撃ベクトル
Authors: Sandeep Gupta, Roberto Passerone,
Abstract要約: 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)における視覚システムの堅牢性について検討する。我々は、CAVナビゲーションに必要なキーセンサーとビジョンコンポーネントを分析し、CAVビジョンシステム(CAVVS)の参照アーキテクチャを導出する。攻撃面を対象とする特定攻撃ベクトルについて詳しく検討し、機密性、完全性、可用性(CIA)に対するその影響を厳格に評価する。
参考スコア（独自算出の注目度）: 0.18352113484137625
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This article investigates the robustness of vision systems in Connected and Autonomous Vehicles (CAVs), which is critical for developing Level-5 autonomous driving capabilities. Safe and reliable CAV navigation undeniably depends on robust vision systems that enable accurate detection of objects, lane markings, and traffic signage. We analyze the key sensors and vision components essential for CAV navigation to derive a reference architecture for CAV vision system (CAVVS). This reference architecture provides a basis for identifying potential attack surfaces of CAVVS. Subsequently, we elaborate on identified attack vectors targeting each attack surface, rigorously evaluating their implications for confidentiality, integrity, and availability (CIA). Our study provides a comprehensive understanding of attack vector dynamics in vision systems, which is crucial for formulating robust security measures that can uphold the principles of the CIA triad.
Abstract（参考訳）: 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)における視覚システムの堅牢性について考察する。安全で信頼性の高いCAVナビゲーションは、オブジェクト、車線標識、交通標識の正確な検出を可能にする堅牢な視覚システムに依存している。我々は、CAVナビゲーションに必要な重要なセンサーと視覚成分を分析し、CAVビジョンシステム(CAVVS)の参照アーキテクチャを導出する。この参照アーキテクチャは、CAVVSの潜在的な攻撃面を特定する基盤を提供する。その後、攻撃面を標的とした特定攻撃ベクトルについて詳しく検討し、機密性、完全性、可用性(CIA)への影響を厳格に評価した。本研究は、CIAの3つのトライアドの原則を裏付ける堅牢なセキュリティ対策の策定に不可欠である、視覚系における攻撃ベクトル力学の包括的理解を提供する。

関連論文リスト

Evaluating Vulnerabilities of Connected Vehicles Under Cyber Attacks by Attack-Defense Tree [1.9483189922830135]
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。
論文参考訳（メタデータ） (2025-12-09T03:28:31Z)
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)
A Survey of Learning-Based Intrusion Detection Systems for In-Vehicle Network [0.0]
コネクテッド・アンド・オートマチック・ビークルズ(CAV)はモビリティを高めるが、サイバーセキュリティの脅威に直面している。サイバー攻撃は、重要なシステムに対する制御の喪失を含む、接続された車両に壊滅的な結果をもたらす可能性がある。 In-vehicle Intrusion Detection Systems (IDSs) は、悪意のあるアクティビティをリアルタイムで検出することで、有望なアプローチを提供する。
論文参考訳（メタデータ） (2025-05-15T12:38:59Z)
Impact Analysis of Inference Time Attack of Perception Sensors on Autonomous Vehicles [11.693109854958479]
自動運転車の予測時間攻撃に基づく影響分析を提案する。我々は,エゴ車両と他の交通機関の双方の安全を脅かすために,そのような推定時間攻撃をシミュレーションシステムで実証する。
論文参考訳（メタデータ） (2025-05-05T23:00:27Z)
Navigating Threats: A Survey of Physical Adversarial Attacks on LiDAR Perception Systems in Autonomous Vehicles [4.4538254463902645]
LiDARシステムは敵の攻撃に弱いため、自動運転車の安全性と堅牢性に大きな課題が生じる。本調査では,LiDARに基づく知覚システムを対象とした身体的敵攻撃に関する研究状況について概説する。我々は、LiDARベースのシステムに対する既存の攻撃において、重要な課題を特定し、ギャップを浮き彫りにする。
論文参考訳（メタデータ） (2024-09-30T15:50:36Z)
Convergence of Communications, Control, and Machine Learning for Secure and Autonomous Vehicle Navigation [78.60496411542549]
接続された自動運転車(CAV)は、交通事故におけるヒューマンエラーを低減し、道路効率を向上し、様々なタスクを実行する。これらのメリットを享受するためには、CAVが目標とする目的地へ自律的にナビゲートする必要がある。本稿では,通信理論,制御理論,機械学習の収束を利用して,効果的なCAVナビゲーションを実現する手法を提案する。
論文参考訳（メタデータ） (2023-07-05T21:38:36Z)
Camera-Radar Perception for Autonomous Vehicles and ADAS: Concepts, Datasets and Metrics [77.34726150561087]
本研究の目的は、ADASおよび自動運転車のカメラおよびレーダーによる認識の現在のシナリオに関する研究を行うことである。両センサと融合に関する概念と特徴を提示する。本稿では、ディープラーニングに基づく検出とセグメンテーションタスクの概要と、車両の認識における主要なデータセット、メトリクス、課題、オープンな質問について説明する。
論文参考訳（メタデータ） (2023-03-08T00:48:32Z)
Invisible for both Camera and LiDAR: Security of Multi-Sensor Fusion based Perception in Autonomous Driving Under Physical-World Attacks [62.923992740383966]
本稿では,MDFに基づくADシステムにおけるセキュリティ問題の最初の研究について述べる。物理的に実現可能な逆3Dプリントオブジェクトを生成し、ADシステムが検出に失敗してクラッシュする。以上の結果から,攻撃は様々なオブジェクトタイプおよびMSFに対して90%以上の成功率を達成した。
論文参考訳（メタデータ） (2021-06-17T05:11:07Z)
Towards robust sensing for Autonomous Vehicles: An adversarial perspective [82.83630604517249]
結果として得られる決定が摂動に対して堅牢であることは、最も重要なことです。敵対的摂動は、意図的に環境や感覚測定の修正を施したものである。より安全なシステムの構築とデプロイには,センサーシステムの脆弱性を慎重に評価する必要がある。
論文参考訳（メタデータ） (2020-07-14T05:25:15Z)

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。