論文の概要: An Inline Control Architecture for Language Models in Intelligent Transportation Systems

• arxiv url: http://arxiv.org/abs/2608.04065v1
• Date: Tue, 04 Aug 2026 15:04:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-06 14:48:43.521611
• Title: An Inline Control Architecture for Language Models 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言語モデルのインライン制御アーキテクチャ
• Authors: Narendra Kumar Dewangan, Mounira Msahli,
• Abstract要約: 本稿では,リアルタイム制約下でV2XサービスをセキュアにするためのインラインセマンティックガードレールアーキテクチャであるGuarded-V2Xを提案する。 提案システムは,ルールベースの入力フィルタリング,軽量な安全分類器,ポリシー制約付き構造化生成を統合する。 RSUアドバイザリ、オペレーターメッセージ、注釈付きV2Xメッセージ要約から導かれたV2X対応のシミュレーションデータセットで実験を行った。
• 参考スコア（独自算出の注目度）: 0.9059656093018312
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vehicle-to-everything (V2X) systems increasingly incorporate large language models (LLMs) for semantic tasks such as message summarization, operator assistance, and decision support at roadside units and edge nodes. Although these components are not part of safety-critical control loops, they introduce prompt-level attack surfaces that are not addressed by traditional V2X security mechanisms focused on authentication and message integrity. This paper presents Guarded-V2X, an inline semantic guardrail architecture for securing LLM-enabled V2X services under real-time constraints. The proposed system integrates rule-based ingress filtering, a lightweight safety classifier, policy-constrained structured generation, trusted-only retrieval, and post-decision adjudication to enforce machine-checkable safety boundaries prior to downstream execution. Guarded-V2X is evaluated using a four-stage experimental pipeline encompassing intrusion vulnerability analysis, calibration and latency benchmarking, guardrail validation, and robustness under adversarial stress. Experiments are conducted on a V2X-aligned simulated dataset derived from RSU advisories, operator messages, and annotated V2X message summaries. Results show that unguarded and prompt-only baselines retain residual vulnerability under multi-turn adversarial trials, while Guarded-V2X consistently reduces intrusion acceptance success rates and eliminates observed unsafe completions in two-turn settings, without exceeding latency budgets for V2X semantic advisory paths.
• Abstract（参考訳）: 車両間通信(V2X)システムは、メッセージの要約、オペレーターアシスト、ロードサイドユニットやエッジノードでの意思決定サポートなど、意味的なタスクのための大きな言語モデル(LLM)をますます取り入れている。 これらのコンポーネントは安全クリティカルな制御ループの一部ではないが、認証とメッセージ整合性に焦点を当てた従来のV2Xセキュリティメカニズムに対処されないプロンプトレベルのアタックサーフェスを導入している。 本稿では,LLM対応V2Xサービスをリアルタイム制約下で確保するためのインラインセマンティックガードレールアーキテクチャであるGuarded-V2Xを提案する。 提案システムは,ルールベースの入力フィルタリング,軽量な安全分類器,ポリシ制約付き構造化生成,信頼のみの検索,および決定後適応を統合して,ダウンストリーム実行前にマシンチェック可能な安全境界を強制する。 Guarded-V2Xは、侵入脆弱性分析、キャリブレーションと遅延ベンチマーク、ガードレール検証、敵ストレス下での堅牢性を含む4段階の実験パイプラインを用いて評価される。 RSUアドバイザリ、オペレーターメッセージ、注釈付きV2Xメッセージ要約から導かれたV2X対応のシミュレーションデータセットで実験を行った。 以上の結果から,非ガードおよびプロンプトのみのベースラインは,マルチターン逆行試験において残存する脆弱性を保ちつつ,Garded-V2Xは連続的に侵入受入成功率を低減し,V2Xセマンティックアドバイザリーパスの遅延予算を超過することなく,二ターン設定で観測された安全でない完了を排除していることがわかった。

関連論文リスト

• Dual Adversarial Fine-tuning for Enhancing Robustness of Large Vision Language Model [73.59026525350808]
  2つのモードからの視覚的および意味的な監視信号を協調的に最適化する二重対向微調整フレームワークを提案する。 本手法は, ゼロショット分類, 画像キャプション, 視覚的質問応答タスクにおいて, 対向ロバスト性評価における最先端手法よりも優れている。
  論文  参考訳（メタデータ） (2026-07-21T10:49:29Z)
• SecureForge: Finding and Preventing Vulnerabilities in LLM-Generated Code via Prompt Optimization [61.91729298584227]
  SecureForgeは、フロンティアモデルのセキュリティリスクを監査し、監査インフォームされたセキュアなシステムプロンプトを生成する自動化パイプラインである。 SecureForgeは、まず静的に検出可能な脆弱性を生成する良性プロンプトを特定し、その後、さまざまなシナリオの大規模な合成プロンプトコーパスに増幅する。 フロンティアモデルでは、SecureForgeは、ユニットテストの成功と出力セキュリティの両方において統計的に有意な改善をもたらし、出力脆弱性は最大48%削減された。
  論文  参考訳（メタデータ） (2026-05-08T18:40:47Z)
• Shape and Substance: Dual-Layer Side-Channel Attacks on Local Vision-Language Models [2.1198879079315573]
  デバイス上のビジョンランゲージモデル(VLM)は、ローカル実行を通じてデータのプライバシを約束する。 動的高分解能前処理へのアーキテクチャシフトは,アルゴリズム的なサイドチャネルを導入している。 ローカルなVLMに対する2層アタック・フレームワークを実演する。
  論文  参考訳（メタデータ） (2026-03-26T12:53:49Z)
• RedVisor: Reasoning-Aware Prompt Injection Defense via Zero-Copy KV Cache Reuse [47.85771791033142]
  本稿では,防止戦略のシームレスな統合による検出システムの説明可能性を合成するフレームワークであるRedVisorを提案する。 RedVisorは、きめ細かい推論パスを利用して同時に攻撃を検出し、モデルの安全な応答を誘導する最初のアプローチである。 実験により、RedVisorは検出精度とスループットにおいて最先端の防御性能を上回り、無視可能なユーティリティ損失を発生させることを示した。
  論文  参考訳（メタデータ） (2026-02-02T08:26:51Z)
• VIGIL: Defending LLM Agents Against Tool Stream Injection via Verify-Before-Commit [44.24310459184061]
  オープン環境で動作するLLMエージェントは、間接的なプロンプトインジェクションによるエスカレーションリスクに直面している。 制約的分離から検証前コミットプロトコルへパラダイムをシフトするフレームワークである textbfVIGIL を提案する。
  論文  参考訳（メタデータ） (2026-01-09T12:19:49Z)
• Experimental Evaluation of Post-Quantum Homomorphic Encryption for Privacy-Preserving V2X Communication [4.156940246278584]
  ホモモルフィック暗号化(HE)は、基盤となるコンテンツを明らかにすることなく、暗号化されたデータの計算を可能にする、有望なソリューションを提供する。 本研究は、量子後安全な3つのHEスキームに関する実世界の実験評価である。
  論文  参考訳（メタデータ） (2025-08-04T14:28:19Z)
• Edge-Based Multimodal Sensor Data Fusion with Vision Language Models (VLMs) for Real-time Autonomous Vehicle Accident Avoidance [12.513296074529727]
  本稿では,自律走行のためのリアルタイムエッジベース自律走行軌道プランナ(REACT)を提案する。 REACTは、微調整軽量ビジョンランゲージモデル(VLM)に基づくADのためのV2X統合軌道最適化フレームワークである。 DeepAccidentベンチマークで評価されたREACTは、最先端の性能、77%の衝突率の低減、48.2%のビデオパノプティクス品質(VPQ)、およびJetson AGX Orinでの0.57秒の推論遅延を実現している。
  論文  参考訳（メタデータ） (2025-08-01T20:16:04Z)
• T2V-OptJail: Discrete Prompt Optimization for Text-to-Video Jailbreak Attacks [67.91652526657599]
  我々は、T2Vジェイルブレイク攻撃を離散最適化問題として定式化し、T2V-OptJailと呼ばれる共同目的ベース最適化フレームワークを提案する。 いくつかのT2Vモデルに対して大規模な実験を行い、オープンソースモデルと実際の商用クローズドソースモデルの両方をカバーする。 提案手法は,攻撃成功率の観点から既存手法よりも11.4%,10.0%向上する。
  論文  参考訳（メタデータ） (2025-05-10T16:04:52Z)
• T2VShield: Model-Agnostic Jailbreak Defense for Text-to-Video Models [88.63040835652902]
  テキストからビデオモデルへの攻撃はジェイルブレイク攻撃に弱いため、特別な方法で安全メカニズムをバイパスし、有害または安全でないコンテンツの生成につながる。 我々は、ジェイルブレイクの脅威からテキストからビデオモデルを守るために設計された包括的でモデルに依存しない防衛フレームワークであるT2VShieldを提案する。 本手法は,既存の防御の限界を特定するために,入力,モデル,出力の段階を体系的に解析する。
  論文  参考訳（メタデータ） (2025-04-22T01:18:42Z)

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。