論文の概要: Cybersecurity of Electric Vehicle Charging Infrastructure: Recent Advances, Open Challenges, and Future Directions
- arxiv url: http://arxiv.org/abs/2605.24190v1
- Date: Fri, 22 May 2026 20:27:08 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-02 18:31:36.160688
- Title: Cybersecurity of Electric Vehicle Charging Infrastructure: Recent Advances, Open Challenges, and Future Directions
- Title（参考訳）: 電気自動車充電インフラのサイバーセキュリティ : 最近の進歩, オープンチャレンジ, 今後の方向性
- Authors: Joshua Bean, Dimitrios Michael Manias,
- Abstract要約: 電気自動車(EV)は、過去10年間、交通業界で大きなディスラプターとして現れてきた。
多くの機械学習ベースのサイバーセキュリティ対策が、様々なパブリックデータセットとプライベートデータセットを使用して開発されている。
この研究は、最も一般的なデータセットとモデリング手法を調査し、鍵となる制限とオープンな課題を特定し、将来の方向性を提案する。
- 参考スコア（独自算出の注目度）: 1.7474751673489866
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Electric Vehicles (EVs) have emerged as significant disruptors in the transportation sector over the past decade. Their growing popularity and adoption are accompanied by capital expenditures to deploy charging infrastructure. EV charging infrastructure sits at the intersection of the power grid, the network, and the vehicular client, creating an attractive surface for cyberattacks. Many machine learning-based cybersecurity countermeasures have been developed using various public and private datasets. These countermeasures, often intrusion detection systems, are limited in performance by the quality and expressivity of the training data. This work explores the most common datasets and modeling methods, identifies key limitations and open challenges, and proposes future directions to continue catalyzing innovation in the field. By addressing these data limitations, intrusion detection systems are better positioned to address the constantly evolving cyberthreat landscape of EV charging infrastructure.
- Abstract（参考訳）: 電気自動車(EV)は、過去10年間、交通業界で大きなディスラプターとして現れてきた。
彼らの人気の高まりと普及には、充電インフラの展開に資本支出が伴う。
EV充電インフラは電力網、ネットワーク、そして車両のクライアントの交差点にあり、サイバー攻撃の魅力的な表面を形成している。
多くの機械学習ベースのサイバーセキュリティ対策が、様々なパブリックデータセットとプライベートデータセットを使用して開発されている。
これらの対策は、しばしば侵入検知システムにおいて、トレーニングデータの質と表現性によって性能が制限される。
この研究は、最も一般的なデータセットとモデリング手法を探求し、鍵となる制限とオープンな課題を特定し、この分野におけるイノベーションを触媒する将来の方向性を提案する。
これらのデータ制限に対処することで、侵入検知システムはEV充電インフラの絶えず進化するサイバー脅威の状況に対処するのに適した位置にある。
関連論文リスト
- Fuse and Federate: Enhancing EV Charging Station Security with Multimodal Fusion and Federated Learning [3.783757921469148]
電気自動車のグローバルな普及は、スマートグリッドインフラの重要な構成要素として、電気自動車供給装置(EVSE)を確立している。
EVSEシステムは、ネットワーク偵察、バックドア侵入、分散型サービス拒否(DDoS)攻撃など、重要なサイバーセキュリティ上の課題に直面している。
本稿では,ネットワークトラフィックやカーネルイベントを含むマルチモーダルデータソースを利用して,複雑な攻撃パターンを識別する新しい侵入検出フレームワークを提案する。
論文 参考訳（メタデータ） (2025-06-07T09:34:10Z) - 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) - Enhancing Disaster Resilience with UAV-Assisted Edge Computing: A Reinforcement Learning Approach to Managing Heterogeneous Edge Devices [3.858859576352153]
無人航空機(UAV)の形でのモバイルエッジコンピューティングは、これらのデバイスからのオフロードを提供してバッテリーを節約するために提案されている。
本稿では、ネットワークの寿命を延ばすために、電力と接続性にさらなる制約を課したUAVの使用について考察する。
強化学習は、様々なレベルの電力と通信障害のシナリオを調査するために用いられる。
論文 参考訳（メタデータ） (2025-01-25T19:03:05Z) - Safeguarding the Future of Mobility: Cybersecurity Issues and Solutions for Infrastructure Associated with Electric Vehicle Charging [0.0]
EV充電ステーション管理システムが提供する膨大なデータには、IoT(Internet of Things)エコシステムが使用されている。
機械学習と深層学習技術によるIDS発達の加速により、侵入検知は学術において主要なトピックとなっている。
本研究の目的は、偽陽性率の低い機械学習による侵入検知システムを用いて、EV充電ステーションのエコシステムを保護することである。
論文 参考訳（メタデータ） (2025-01-24T21:41:38Z) - Federated Graph Learning for EV Charging Demand Forecasting with Personalization Against Cyberattacks [9.83349306361658]
電気自動車(EV)の充電需要予測におけるサイバーセキュリティリスクの軽減は、集合EV充電の安全運用、電力グリッドの安定性、コスト効率のよいインフラ拡張において重要な役割を担っている。
既存の方法は、データのプライバシー問題とサイバー攻撃への感受性に悩まされるか、異なるステーション間の空間的相関を考慮できないかのいずれかである。
論文 参考訳（メタデータ） (2024-04-30T05:17:46Z) - DynamiQS: Quantum Secure Authentication for Dynamic Charging of Electric Vehicles [61.394095512765304]
Dynamic Wireless Power Transfer (DWPT)は、電気自動車を運転中に充電できる新しい技術である。
量子コンピューティングの最近の進歩は、古典的な公開鍵暗号を危険にさらしている。
動的ワイヤレス充電のための第1量子後セキュア認証プロトコルであるDynamiQSを提案する。
論文 参考訳（メタデータ） (2023-12-20T09:40:45Z) - Leveraging Driver Field-of-View for Multimodal Ego-Trajectory Prediction [69.29802752614677]
RouteFormerは、GPSデータ、環境コンテキスト、運転者の視野を組み合わせた新しいエゴ軌道予測ネットワークである。
データ不足に対処し、多様性を高めるために、同期運転場と視線データに富んだ都市運転シナリオのデータセットであるGEMを導入する。
論文 参考訳（メタデータ） (2023-12-13T23:06:30Z) - Charge Manipulation Attacks Against Smart Electric Vehicle Charging Stations and Deep Learning-based Detection Mechanisms [49.37592437398933]
電気自動車充電ステーション(EVCS)は、グリーントランスポートの実現に向けた重要なステップとなる。
我々は、攻撃者がスマート充電操作中に交換された情報を操作しているEV充電に対する充電操作攻撃(CMA)を調査した。
本稿では,EV充電に関わるパラメータを監視してCMAを検出する,教師なしのディープラーニングに基づくメカニズムを提案する。
論文 参考訳（メタデータ） (2023-10-18T18:38:59Z) - Learning energy-efficient driving behaviors by imitating experts [75.12960180185105]
本稿では,コミュニケーション・センシングにおける制御戦略と現実的限界のギャップを埋める上で,模倣学習が果たす役割について考察する。
擬似学習は、車両の5%に採用されれば、局地的な観測のみを用いて、交通条件の異なるネットワークのエネルギー効率を15%向上させる政策を導出できることを示す。
論文 参考訳（メタデータ） (2022-06-28T17:08:31Z) - Predicting Future Occupancy Grids in Dynamic Environment with
Spatio-Temporal Learning [63.25627328308978]
本稿では,将来の占有予測を生成するための時間的予測ネットワークパイプラインを提案する。
現在のSOTAと比較して、我々の手法は3秒の長い水平線での占有を予測している。
我々は、さらなる研究を支援するために、nulisに基づくグリッド占有データセットを公開します。
論文 参考訳（メタデータ） (2022-05-06T13:45:32Z) - An Energy Consumption Model for Electrical Vehicle Networks via Extended
Federated-learning [50.85048976506701]
本稿では,フェデレートラーニングモデルに基づく不安度を測る新しい手法を提案する。
バッテリー消費を推定し、車両ネットワークにエネルギー効率の高いルートプランニングを提供する。
論文 参考訳（メタデータ） (2021-11-13T15:03:44Z)
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。