論文の概要: Digital Twin-Based Intrusion Detection for Vehicle Powertrain CAN Bus Systems

• arxiv url: http://arxiv.org/abs/2608.17093v1
• Date: Mon, 17 Aug 2026 20:00:21 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-19 21:40:53.121576
• Title: Digital Twin-Based Intrusion Detection for Vehicle Powertrain CAN Bus Systems
• Title（参考訳）: 車両用パワートレインCANバスシステムのディジタル双極子による侵入検出
• Abstract要約: デジタルツイン(DT)は、CANトラフィックをエミュレートし、IDS評価のための攻撃シナリオを生成するために使用されている。 本研究は、復号化パワートレイン信号間の物理的関係を共同でモデル化するDTベースのIDSを開発する。 4つの攻撃 (プラトー, 連続ドリフト, マスクレード, ギヤ・マスクレード) を, 双生児, レンジ・アンド・プレッショナビリティ・ベースラインに対して評価した。
• 参考スコア（独自算出の注目度）: 3.010893618491329
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Existing automotive intrusion detection systems (IDSs) for the Controller Area Network (CAN) largely target discrepancies in message timing, frequency, or sequencing and cannot detect attacks that preserve these properties while manipulating the payload. Digital twins (DTs) have been used to emulate CAN traffic and generate attack scenarios for IDS evaluation, but their use for intrusion detection remains unexplored. This study develops a DT-based IDS that jointly models physical relationships among decoded powertrain signals and identifies attacks through residuals between predicted and observed behavior. A shared-encoder LSTM DT was trained on 17 decoded signals from a real Hyundai/Kia CAN log to jointly predict seven numeric and two categorical gear signals over a 24-step window. A timestep is flagged when a residual exceeds a calibrated threshold, while adaptive rollout protects the twin's input history from sustained contamination. Four attacks (plateau, continuous drift, masquerade, and gear masquerade) were evaluated against the twin and a range-and-plausibility baseline. The DT outperformed the baseline across all attacks, achieving detection rates of 94.6% for continuous drift and 89.2% for masquerade, while the baseline detected almost none of the fabricated payload attacks. These results demonstrate that learning coupled vehicle dynamics enables detection of stealthy payload manipulations that preserve normal CAN communication patterns. False positive rates reached 39.6%, highlighting the need for improved robustness under sustained attacks. The DT-based IDS shows promise for detecting stealthy payload-level CAN attacks that preserve normal communication patterns, supporting behavior-based cybersecurity for connected and automated vehicles.
• Abstract（参考訳）: コントロールエリアネットワーク(CAN)の既存の自動車侵入検知システム(IDS)は、メッセージのタイミング、頻度、シークエンシングにおける不一致を主なターゲットとしており、ペイロードを操作しながらこれらの特性を保持する攻撃を検出できない。 デジタルツイン(DT)は、CANトラフィックをエミュレートし、IDS評価のための攻撃シナリオを生成するために使われてきたが、侵入検出には使われていない。 本研究では,非符号化パワートレイン信号間の物理的関係を共同でモデル化し,予測行動と観測行動の残差による攻撃を識別するDTベースのIDSを開発した。 共有エンコーダLSTM DTは、実際のHyundai/Kia CANログから17個の復号信号をトレーニングし、24ステップのウィンドウ上で7つの数値と2つのカテゴリーのギア信号を共同で予測した。 残余が校正しきい値を超えると、タイムステップがフラグ付けされ、適応的なロールアウトにより、双子の入力履歴が持続的な汚染から保護される。 4つの攻撃 (プラトー, 連続ドリフト, マスクレード, ギヤ・マスクレード) を, 双生児, レンジ・アンド・プレッショナビリティ・ベースラインに対して評価した。 DTは全ての攻撃でベースラインを上回り、連続ドリフトで94.6%、マスクレードで89.2%と検出された。 これらの結果は、学習結合車両力学により、通常のCAN通信パターンを保持するステルスペイロード操作の検出が可能になることを実証している。 偽陽性率は39.6%に達し、持続攻撃による堅牢性の改善の必要性を強調した。 DTベースのIDSは、通常の通信パターンを保存するステルスペイロードレベルのCAN攻撃を検出し、コネクテッドおよび自動車両の行動ベースのサイバーセキュリティをサポートすることを約束している。

関連論文リスト

• Digital Twin Degradation: Detecting Cyber Physical Attacks via Temporal Inconsistencies [0.0]
  本稿では,物理的システムと潜在的に劣化するDTビュー間の時間的一貫性をモニタリングする検出フレームワークを提案する。 教師なし密度モデルは正常な一貫性パターンを特徴づけ、シーケンシャルな変化検出機構は攻撃を示す持続的な偏差を識別する。 その結果、時間的不整合パターンは、有界誤報率と検出遅延の低い、信頼性の高い事象レベルの攻撃検出を可能にすることがわかった。
  論文  参考訳（メタデータ） (2026-08-17T06:24:22Z)
• Cyber-Resilient Digital Twins: Discriminating Attacks for Safe Critical Infrastructure Control [0.0815557531820863]
  i-SDTは、油圧調整された予測モデル、マルチクラス攻撃識別、適応レジリエンス制御を組み合わせた。 SWaTとWADIデータセットの評価では、検出精度が大幅に向上し、44.1%の誤報が減少し、56.3%の運用コストが削減された。
  論文  参考訳（メタデータ） (2026-03-19T08:33:21Z)
• From Passive Monitoring to Active Defence: Resilient Control of Manipulators Under Cyberattacks [42.72791770760975]
  FDIA(False Data Injection attack)は、アラームを発生させることなく、実質的なエンドエフェクタ偏差を発生させる。 本稿では、冗長マニピュレータのステルス型FDIAに対するレジリエンスについて検討し、パッシブモニタリングからアクティブディフェンスへアーキテクチャを進化させる。
  論文  参考訳（メタデータ） (2026-03-13T14:08:41Z)
• Evaluating False Alarm and Missing Attacks in CAN IDS [0.7734726150561088]
  ROADデータセットを用いて,CAN IDSの体系的対角評価を行う。 4つの浅い学習モデルとディープニューラルネットワークベースの検出器を比較した。 以上の結果から,敵の操作が誤報と回避検出を同時に引き起こすことが示唆された。
  論文  参考訳（メタデータ） (2026-02-02T20:38:01Z)
• T2I-Based Physical-World Appearance Attack against Traffic Sign Recognition Systems in Autonomous Driving [40.067678927952336]
  交通信号認識(TSR)システムは、自律運転(AD)システムにおいて重要な役割を果たす。 最近の研究は、その脆弱性を物理世界の敵対的外見攻撃に暴露している。 我々は、新しいT2Iベースの外観攻撃フレームワークであるDiffSignを紹介する。
  論文  参考訳（メタデータ） (2025-11-17T04:29:55Z)
• CANTXSec: A Deterministic Intrusion Detection and Prevention System for CAN Bus Monitoring ECU Activations [53.036288487863786]
  物理ECUアクティベーションに基づく最初の決定論的侵入検知・防止システムであるCANTXSecを提案する。 CANバスの古典的な攻撃を検知・防止し、文献では調査されていない高度な攻撃を検知する。 物理テストベッド上での解法の有効性を実証し,攻撃の両クラスにおいて100%検出精度を達成し,100%のFIAを防止した。
  論文  参考訳（メタデータ） (2025-05-14T13:37:07Z)
• MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN [42.74889568823579]
  我々は車載ネットワーク(IVN)に対する新たな時間的脅威モデルを特定する。 これらの攻撃は、タイムエキサイティングな効果を示す悪意のあるメッセージを注入し、徐々にネットワークトラフィックを操作して車両の動作を妨害し、安全クリティカルな機能を損なう。 時間的脅威を検出するため,MDHP-Netを導入し,Multi-Dimentional Hawkes Process(MDHP)と時間的・メッセージ的特徴抽出構造を利用した。
  論文  参考訳（メタデータ） (2025-04-16T08:41:24Z)
• MDHP-Net: Detecting an Emerging Time-exciting Threat in IVN [42.74889568823579]
  我々は車載ネットワーク(IVN)に対する新たな時間的脅威モデルを特定する。 これらの攻撃は、タイムエキサイティングな効果を示す悪意のあるメッセージを注入し、徐々にネットワークトラフィックを操作して車両の動作を妨害し、安全クリティカルな機能を損なう。 時間的脅威を検出するため,MDHP-Netを導入し,Multi-Dimentional Hawkes Process(MDHP)と時間的・メッセージ的特徴抽出構造を利用した。
  論文  参考訳（メタデータ） (2024-11-15T15:05:01Z)
• Reinforcement Learning based Cyberattack Model for Adaptive Traffic Signal Controller in Connected Transportation Systems [61.39400591328625]
  接続輸送システムにおいて、適応交通信号制御装置(ATSC)は、車両から受信したリアルタイム車両軌跡データを利用して、グリーンタイムを規制する。 この無線接続されたATSCはサイバー攻撃面を増やし、その脆弱性を様々なサイバー攻撃モードに拡大する。 そのようなモードの1つは、攻撃者がネットワーク内で偽の車両を作成する「シビル」攻撃である。 RLエージェントは、シビル車噴射の最適速度を学習し、アプローチの混雑を生じさせるように訓練される
  論文  参考訳（メタデータ） (2022-10-31T20:12:17Z)
• Detecting CAN Masquerade Attacks with Signal Clustering Similarity [2.2881898195409884]
  ファブリケーション攻撃は、フレーム周波数を乱すため、最も管理しやすく、最も検出し易い。 マスクレード攻撃は、車両のCAN信号の階層的クラスタリングを用いて、時系列のクラスタリング類似性を計算することで検出できる。 我々は,CANマスクレード攻撃の検出方法として提案手法の可能性を実証するために,法医学的ツールを開発した。
  論文  参考訳（メタデータ） (2022-01-07T20:25:40Z)
• Sample Efficient Detection and Classification of Adversarial Attacks via Self-Supervised Embeddings [40.332149464256496]
  ディープモデルのアドリヤロバスト性は、現実世界の環境において安全な配置を確保する上で重要な要素である。 本稿では、敵攻撃を検知し、それらの脅威モデルに分類する自己教師型手法を提案する。 我々は,SimCLRエンコーダを実験で使用しています。
  論文  参考訳（メタデータ） (2021-08-30T16:39:52Z)
• A Sensor Fusion-based GNSS Spoofing Attack Detection Framework for Autonomous Vehicles [4.947150829838588]
  本稿では,センサフュージョンをベースとしたGNSS(Global Navigation Satellite System)スプーフィング攻撃検出フレームワークを提案する。 複数の低コストの車載センサーからのデータを融合し、リカレントニューラルネットワークモデルに入力する。 我々は,k-Nearest Neighbors (k-NN) と Dynamic Time Warping (DTW) のアルゴリズムを組み合わせて,左旋回と右旋回を検出・分類した。
  論文  参考訳（メタデータ） (2021-08-19T11:59:51Z)
• TANTRA: Timing-Based Adversarial Network Traffic Reshaping Attack [46.79557381882643]
  本稿では,TANTRA(Adversarial Network Traffic Reshaping Attack)を提案する。 我々の回避攻撃は、ターゲットネットワークの良性パケット間の時間差を学習するために訓練された長い短期記憶(LSTM)ディープニューラルネットワーク(DNN)を利用する。 TANTRAは、ネットワーク侵入検出システム回避の平均成功率99.99%を達成します。
  論文  参考訳（メタデータ） (2021-03-10T19:03:38Z)

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。