論文の概要: SPADE: SPaT Attack Detection from the Connected Vehicle's Perspective

• arxiv url: http://arxiv.org/abs/2609.02741v2
• Date: Fri, 04 Sep 2026 21:05:55 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-09 14:43:41.747863
• Title: SPADE: SPaT Attack Detection from the Connected Vehicle's Perspective
• Title（参考訳）: SPADE:コネクテッドカーの視点からのSPaT攻撃検出
• Authors: James Di Novo, Hany Ragab, Sylvain P. Leblanc,
• Abstract要約: SPADEは、C-V2XセキュリティにおけるIDS研究のためのシミュレーションベースのデータセットである。 SPaTメッセージフィールド、オンボードカメラの信頼性スコア、40の機能にわたるV2Vピアデータを融合する。 データセット、生成コード、シナリオ設定が公開され、C-V2XセキュリティにおけるIDS研究をサポートする。
• 参考スコア（独自算出の注目度）: 1.1508304497344637
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Signal Phase and Timing (SPaT) messages are a cornerstone of connected vehicle (CV) safety, enabling CVs to perceive and respond to intersection state through Vehicle-to-Infrastructure (V2I) and Vehicle-to-Vehicle (V2V) communication. The integrity of these messages is threatened by a range of application-layer attacks that can bypass conventional authentication when a roadside unit or peer vehicle is compromised. Existing intrusion detection research either defends the infrastructure side or targets V2V Basic Safety Message (BSM) / Cooperative Awareness Message (CAM) misbehavior, leaving the onboard CV perspective on SPaT integrity unaddressed. To close this gap, we introduce SPADE --- the SPaT Attack Detection and Evaluation dataset --- a labelled, multi-modal, simulation-based dataset designed specifically for deep learning IDS research in this space. SPADE is generated through Eclipse MOSAIC using runtime attack injection at the SAE J2735 application layer across six attack classes and one benign class. By combining four intersection geometries, six operating conditions, and five independent random-seed repetitions, SPADE comprises 180 unique base scenario runs, yielding $\sim$1,890,000 labelled timestep records (270,000 per class). Each record fuses SPaT message fields, onboard camera confidence scores, and cooperative V2V peer data across 40 features, reflecting the multi-modal signal space required to distinguish deliberate attacks from environmental degradation. The dataset, generation code, and scenario configurations are released publicly to support reproducible and comparative IDS research in C-V2X security. The developed toolbox, instructions, and dataset link are publicly available on GitHub: https://github.com/jdinovo/SPADE.
• Abstract（参考訳）: 信号位相とタイミング(SPaT)メッセージは、接続された車両(CV)の安全性の基盤であり、CVがV2IとV2Vの通信を通じて交差点状態を認識し、応答することを可能にする。 これらのメッセージの完全性は、ロードサイドユニットやピア車両が侵入された場合、従来の認証を回避できるアプリケーション層攻撃によって脅かされる。 既存の侵入検知研究は、インフラ側を防御するか、V2V Basic Safety Message (BSM) またはCooperative Awareness Message (CAM) の誤動作を標的にしており、SPaTの整合性に関するCVの視点はそのまま残されている。 このギャップを埋めるために、私たちはSPADE -- SPaT攻撃検出評価データセット -- を導入しました。 SPADEはEclipse MOSAICを通じて6つのアタッククラスと1つの良質なクラスからなるSAE J2735アプリケーション層で実行時アタックインジェクションを使用して生成される。 4つの交叉ジオメトリ、6つの操作条件、5つの独立したランダムシード繰り返しを組み合わせることで、SPADEは180のユニークなベースシナリオを実行し、1,890,000ドルのラベル付きタイムステップレコード(クラス当たり270,000ドル)を得る。 それぞれのレコードは、SPaTメッセージフィールド、オンボードカメラの信頼性スコア、40の機能にわたる協調V2Vピアデータを融合させ、意図的な攻撃と環境劣化を区別するために必要なマルチモーダル信号空間を反映する。 データセット、生成コード、シナリオ設定は、C-V2Xセキュリティにおける再現性および比較IDS研究をサポートするために、一般公開されている。 開発済みのツールボックス、インストラクション、データセットリンクはGitHubで公開されている。

関連論文リスト

• VIPS: Vehicle-Infrastructure Cooperative Planning Benchmark via Pseudo-Simulation [50.18051979020699]
  VIPSは擬似シミュレーションに基づくV2I設定における協調自動運転のベンチマークである。 CoS-V2Xはスパース表現に基づく協調計画フレームワークである。
  論文  参考訳（メタデータ） (2026-09-02T11:32:52Z)
• SinD 2.0: A Multi-City UAV Dataset with Semantic Risk Annotations for SOTIF-Oriented Safety Validation at Signalized Intersections [25.449235850257367]
  SinD 2.0は、クロスドメインADS安全分析専用の大規模ドローンベースの交差点データセットである。 中国4都市を横断する6つの信号化交差点を網羅し、異なる交差点地形と地域運転特性を捉えている。 交通違反、リスクの高い対話、視覚的遮蔽、狭い実現可能な領域を含む多次元のセマンティックラベルを提供する。
  論文  参考訳（メタデータ） (2026-07-18T19:46:37Z)
• SoK: Federated Learning for Intrusion Detection in Vehicular Networks [1.176565404005321]
  現代の車両ネットワークは、内部の電子制御ユニット(ECU)と外部のV2X通信にまたがる攻撃面が拡大している。 フェデレートラーニング(FL)は、データプライバシーを損なうことなく侵入検知システム(IDS)をデプロイするための分散パラダイムとして登場した。 本稿では、車両攻撃面の分類を統一し、FLトポロジーを評価し、毒や推論攻撃などの敵の脅威をマップする知識体系化(SoK)を提案する。
  論文  参考訳（メタデータ） (2026-07-12T20:40:37Z)
• COVTrack++: Learning Open-Vocabulary Multi-Object Tracking from Continuous Videos via a Synergistic Paradigm [59.26203051651017]
  C-TAOはOpen-Vocabulary Multi-Object Tracking (OVMOT)のための最初の連続アノテーション付きトレーニングセットである フレームワークボトルネックに対するCOVTrack++は,3つのモジュールによる検出とアソシエーションの双方向相互機構を実現するための相乗的フレームワークである。 TAOの実験では、新しいTAAは検証とテストセットで35.4%、30.5%に達し、新しいAssocAは4.8%、新しいLocAは5.8%向上した。
  論文  参考訳（メタデータ） (2026-03-25T07:20:27Z)
• VTarbel: Targeted Label Attack with Minimal Knowledge on Detector-enhanced Vertical Federated Learning [11.929422161436134]
  VTarbelは、検出器強化VFL推論を回避するために設計された2段階の最小知識攻撃フレームワークである。 VTarbelを実装し、4つのモデルアーキテクチャ、7つのマルチモーダルデータセット、2つの異常検出器に対して評価を行う。
  論文  参考訳（メタデータ） (2025-07-19T13:43:50Z)
• Zero-Day Botnet Attack Detection in IoV: A Modular Approach Using Isolation Forests and Particle Swarm Optimization [5.283060049860749]
  ボットのマルウェアとサイバー攻撃は、コネクテッドと自律走行車に重大なリスクをもたらす。 CAV間のネットワークトラフィックをモニタするエッジベース侵入検知システム(IDS)を提案する。
  論文  参考訳（メタデータ） (2025-04-26T05:57:03Z)
• VMGuard: Reputation-Based Incentive Mechanism for Poisoning Attack Detection in Vehicular Metaverse [52.57251742991769]
  車両メタバースガード(VMGuard)は、車両メタバースシステムをデータ中毒攻撃から保護する。 VMGuardは、参加するSIoTデバイスの信頼性を評価するために、評判に基づくインセンティブメカニズムを実装している。 当社のシステムは,従来は誤分類されていた信頼性の高いSIoTデバイスが,今後の市場ラウンドへの参加を禁止していないことを保証します。
  論文  参考訳（メタデータ） (2024-12-05T17:08:20Z)
• DeepAccident: A Motion and Accident Prediction Benchmark for V2X Autonomous Driving [76.29141888408265]
  本研究では,現実の運転において頻繁に発生する多様な事故シナリオを含む大規模データセットを提案する。 提案したDeepAccidentデータセットには57Kの注釈付きフレームと285Kの注釈付きサンプルが含まれており、これは大規模なnuScenesデータセットの約7倍である。
  論文  参考訳（メタデータ） (2023-04-03T17:37:00Z)
• V2X-ViT: Vehicle-to-Everything Cooperative Perception with Vision Transformer [58.71845618090022]
  我々は、道路上のエージェント間で情報を融合するために、V2X-ViTという全体論的アテンションモデルを構築した。 V2X-ViTは異質なマルチエージェント自己アテンションとマルチスケールウィンドウ自己アテンションの交互層から構成される。 我々のアプローチを検証するために、我々は大規模なV2X知覚データセットを作成します。
  論文  参考訳（メタデータ） (2022-03-20T20:18:25Z)

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。