論文の概要: Security and Resilience in Autonomous Vehicles: A Proactive Design Approach
- arxiv url: http://arxiv.org/abs/2604.12408v1
- Date: Tue, 14 Apr 2026 07:45:16 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-04-15 19:11:32.320683
- Title: Security and Resilience in Autonomous Vehicles: A Proactive Design Approach
- Title（参考訳）: 自動運転車のセキュリティとレジリエンス : 積極的な設計アプローチ
- Authors: Chieh Tsai, Murad Mehrab Abrar, Salim Hariri,
- Abstract要約: 自律走行車(AV)は効率的でクリーンで費用対効果の高い輸送システムを約束する。
センサーや無線通信、意思決定システムに依存しているため、サイバー攻撃や物理的脅威に弱い。
この章では、AVのセキュリティとレジリエンスを強化するための新しい設計技術を紹介します。
- 参考スコア（独自算出の注目度）: 1.5675763601034223
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Autonomous vehicles (AVs) promise efficient, clean and cost-effective transportation systems, but their reliance on sensors, wireless communications, and decision-making systems makes them vulnerable to cyberattacks and physical threats. This chapter presents novel design techniques to strengthen the security and resilience of AVs. We first provide a taxonomy of potential attacks across different architectural layers, from perception and control manipulation to Vehicle-to-Any (V2X) communication exploits and software supply chain compromises. Building on this analysis, we present an AV Resilient architecture that integrates redundancy, diversity, and adaptive reconfiguration strategies, supported by anomaly- and hash-based intrusion detection techniques. Experimental validation on the Quanser QCar platform demonstrates the effectiveness of these methods in detecting depth camera blinding attacks and software tampering of perception modules. The results highlight how fast anomaly detection combined with fallback and backup mechanisms ensures operational continuity, even under adversarial conditions. By linking layered threat modeling with practical defense implementations, this work advances AV resilience strategies for safer and more trustworthy autonomous vehicles.
- Abstract（参考訳）: 自動運転車(AV)は効率的でクリーンで費用対効果の高い輸送システムを約束するが、センサー、無線通信、意思決定システムに依存しているため、サイバー攻撃や物理的脅威に弱い。
この章では、AVのセキュリティとレジリエンスを強化するための新しい設計技術を紹介します。
まず、認識と制御操作からV2X(Var-to-Any)通信エクスプロイト、ソフトウェアサプライチェーンの妥協に至るまで、さまざまなアーキテクチャ層にわたる潜在的な攻撃の分類を提供する。
本稿では, 冗長性, 多様性, 適応的再構成戦略を統合したAVレジリエントアーキテクチャを提案する。
Quanser QCarプラットフォーム上での実験的な検証は、ディープカメラブラインド攻撃の検出と認識モジュールのソフトウェアタンパリングにおけるこれらの手法の有効性を示す。
その結果,異常検出とフォールバックとバックアップ機構が組み合わさって,対向条件下であっても操作継続性が保証されることがわかった。
層状脅威モデリングと実用的な防衛実装を結びつけることで、この研究はより安全で信頼性の高い自動運転車のためのAVレジリエンス戦略を前進させる。
関連論文リスト
- CANGuard: A Spatio-Temporal CNN-GRU-Attention Hybrid Architecture for Intrusion Detection in In-Vehicle CAN Networks [0.7919969809015935]
Internet of Vehicles (IoV) はスマートトランスポートシステムにおいて重要なコンポーネントとなり、車両とインフラ間のシームレスな相互作用を可能にしている。
本稿では,CNN,Gated novel Recurrent Units(RUG)と,そのような攻撃を効果的に識別するための注意機構を組み合わせたディープラーニングアーキテクチャであるCANGuardを提案する。
提案手法は,現代のIoV環境において,実用的でスケーラブルなセキュリティ強化の可能性を示すものである。
論文 参考訳（メタデータ） (2026-03-26T03:49:04Z) - 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) - 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) - Explainable and Resilient ML-Based Physical-Layer Attack Detectors [46.30085297768888]
物理層侵入を警告するために訓練された各種分類器の内部動作を分析する。
有害パラメータのノイズ化に対する検出器のレジリエンスを評価した。
この研究は、利用可能なネットワーク監視データに基づいて訓練された高速で堅牢な検出器を開発するための設計ガイドラインとして機能する。
論文 参考訳（メタデータ） (2025-09-30T17:05:33Z) - A Survey on Autonomy-Induced Security Risks in Large Model-Based Agents [45.53643260046778]
大規模言語モデル(LLM)の最近の進歩は、自律型AIエージェントの台頭を触媒している。
これらの大きなモデルエージェントは、静的推論システムからインタラクティブなメモリ拡張エンティティへのパラダイムシフトを示す。
論文 参考訳（メタデータ） (2025-06-30T13:34:34Z) - Risk Assessment and Threat Modeling for safe autonomous driving technology [0.0]
この研究は、AVシステムに対する包括的脅威モデルの開発に尽力する。
脅威は、スポフィング、タアンピング、再調査、情報開示、DoS(DoS)、Elevation of Privilegeに分類される。
様々なAVコンポーネントにわたる脆弱性を評価するために、体系的なリスク評価を行う。
論文 参考訳（メタデータ） (2025-05-04T19:51:06Z) - 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) - 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) - 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) - When Authentication Is Not Enough: On the Security of Behavioral-Based Driver Authentication Systems [53.2306792009435]
我々はランダムフォレストとリカレントニューラルネットワークアーキテクチャに基づく2つの軽量ドライバ認証システムを開発した。
我々は,SMARTCANとGANCANという2つの新しいエスケープアタックを開発することで,これらのシステムに対する攻撃を最初に提案する。
コントリビューションを通じて、これらのシステムを安全に採用する実践者を支援し、車の盗難を軽減し、ドライバーのセキュリティを高める。
論文 参考訳（メタデータ） (2023-06-09T14:33:26Z) - Adversarial defense for automatic speaker verification by cascaded
self-supervised learning models [101.42920161993455]
ますます悪意のある攻撃者は、自動話者検証(ASV)システムで敵攻撃を仕掛けようとする。
本稿では,逐次的自己教師付き学習モデルに基づく標準的かつ攻撃非依存な手法を提案する。
実験により, 本手法は効果的な防御性能を実現し, 敵攻撃に対抗できることを示した。
論文 参考訳（メタデータ） (2021-02-14T01:56:43Z)
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。