Fugu-MT 論文翻訳(概要): Hidden Risks of Unmonitored GPUs in Intelligent Transportation Systems

論文の概要: Hidden Risks of Unmonitored GPUs in Intelligent Transportation Systems

arxiv url: http://arxiv.org/abs/2603.13675v1
Date: Sat, 14 Mar 2026 00:49:46 GMT
ステータス: 翻訳完了
システム内更新日: 2026-03-17 16:19:35.33524
Title: Hidden Risks of Unmonitored GPUs in Intelligent Transportation Systems
Title（参考訳）: インテリジェントトランスポートシステムにおける非監視GPUの隠れリスク
Authors: Sefatun-Noor Puspa, Mashrur Chowdhury,
Abstract要約: グラフィクス処理ユニット(GPU)は、多くのインテリジェントトランスポートシステム(ITS)と自動運転アプリケーションを動かすが、安全とセキュリティのためにほとんど監視されていない。この記事では、GPUの誤用を重大な盲点として取り上げ、アンマネージドなGPUワークロードがリアルタイムのパフォーマンスを静かに低下させる様子を示しています。
参考スコア（独自算出の注目度）: 3.3839426908704753
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Graphics processing units (GPUs) power many intelligent transportation systems (ITS) and automated driving applications, but remain largely unmonitored for safety and security. This article highlights GPU misuse as a critical blind spot, showing how unmanaged GPU workloads silently degrade real-time performance, demonstrating the need for stronger security measures in ITS.
Abstract（参考訳）: グラフィクス処理ユニット(GPU)は、多くのインテリジェントトランスポートシステム(ITS)と自動運転アプリケーションを動かすが、安全とセキュリティのためにほとんど監視されていない。この記事では、GPUの誤用を重大な盲点として取り上げ、管理されていないGPUワークロードがリアルタイムのパフォーマンスを静かに低下させる様子を示し、ITSにおけるより強力なセキュリティ対策の必要性を示す。

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)
GPU in the Blind Spot: Overlooked Security Risks in Transportation [3.3296812191509786]
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。
論文参考訳（メタデータ） (2025-08-04T02:25:43Z)
NVIDIA GPU Confidential Computing Demystified [23.473530599624937]
GPU Confidential ComputingはNVIDIA Hopper Architectureの一部として導入された。エンドユーザにとって、GPU-CCモードへの移行はシームレスであり、既存のAIアプリケーションを変更する必要はない。透明性の欠如は、GPU-CCのアーキテクチャと運用メカニズムのより深い理解を求めるセキュリティ研究者にとって大きな課題となっている。
論文参考訳（メタデータ） (2025-07-03T16:31:07Z)
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)
Confidential Computing on Heterogeneous CPU-GPU Systems: Survey and Future Directions [21.66522545303459]
近年、情報化と急速なデータ爆発により、高性能な異種システムの需要が高まっている。 CPUとGPUの組み合わせは、その汎用性から特に人気がある。プライバシ保護技術の進歩、特にハードウェアベースのTrusted Execution Environments(TEEs)は、GPUアプリケーションに対して効果的な保護を提供する。
論文参考訳（メタデータ） (2024-08-21T13:14:45Z)
GARLIC: GPT-Augmented Reinforcement Learning with Intelligent Control for Vehicle Dispatching [81.82487256783674]
GARLIC: GPT拡張強化学習のフレームワーク。本稿では,GPT強化強化学習とインテリジェント制御のフレームワークであるGARLICについて紹介する。
論文参考訳（メタデータ） (2024-08-19T08:23:38Z)
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)
Scalable and Real-time Multi-Camera Vehicle Detection, Re-Identification, and Tracking [58.95210121654722]
理想化されたビデオストリームやキュレートされたビデオストリームの代わりに,リアルタイムで低解像度のCCTVを処理する,リアルタイムな都市規模のマルチカメラ車両追跡システムを提案する。私たちの手法は、公共のリーダーボードで上位5人のパフォーマーにランク付けされています。
論文参考訳（メタデータ） (2022-04-15T12:47:01Z)
Dos and Don'ts of Machine Learning in Computer Security [74.1816306998445]
大きな可能性にもかかわらず、セキュリティにおける機械学習は、パフォーマンスを損なう微妙な落とし穴を引き起こす傾向がある。我々は,学習ベースのセキュリティシステムの設計,実装,評価において共通の落とし穴を特定する。我々は,落とし穴の回避や軽減を支援するために,研究者を支援するための実用的な勧告を提案する。
論文参考訳（メタデータ） (2020-10-19T13:09:31Z)
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。