論文の概要: Sybil-TraceGuard: Traceability-enhanced Sybil Guardian for Connected and Autonomous Vehicles Using Dynamic Semi-supervised GNN

• arxiv url: http://arxiv.org/abs/2609.19791v1
• Date: Thu, 17 Sep 2026 06:55:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-20 08:55:54.13112
• Title: Sybil-TraceGuard: Traceability-enhanced Sybil Guardian for Connected and Autonomous Vehicles Using Dynamic Semi-supervised GNN
• Title（参考訳）: Sybil-TraceGuard:動的半教師付きGNNを用いた連結・自律走行車両のトレーサビリティ向上型Sybilガーディアン
• Abstract要約: 接続された自動運転車(CAV)は深刻なシビル攻撃に直面する。 Sybil-TraceGuardは、Sybil Guardianの動的半教師付きGNNフレームワークとして提案されている。
• 参考スコア（独自算出の注目度）: 9.855424351977272
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Connected and autonomous vehicles (CAVs) face severe Sybil attacks, where attackers exploit privacy-preserving pseudonym-switching mechanisms to anomaly alternate identities while forging Basic Safety Messages (BSMs). Although existing schemes can flag suspicious behaviors, these temporally fragmented Sybil identities render traditional single-point and sequence-based deep learning methods ineffective. Linking these fragmented identities back to the source attacker is essential for root-cause elimination, particularly under extreme label scarcity. Therefore, the Sybil-TraceGuard is proposed as a dynamic semi-supervised spatio-temporal GNN framework for Sybil Guardian, prioritizing "who is responsible" over "whether an attack is happening". It comprises four tightly coupled modules: Incremental Stream Attack Detection (ISAD) for efficient Sybil attack pre-screening; the Dynamic Topology-aware Constructor (DTC) for constructing spatio-temporal dynamic graphs; the Spatial GAT-Encoder with Multi-head Attention (SGEM) to capture multi-identity logical conflicts in spatial interactions; and the Multi-scale Spatio-Temporal Audit (MSTA) to audit short-term and long-term temporal inconsistencies. These modules are optimized within a semi-supervised Mean-Teacher framework via feature-edge shuffling perturbations, regularizing the latent feature space using minimal labels. Experiments across four Sybil attack scenarios demonstrate that Sybil-TraceGuard effectively links fragmented pseudonyms to source attackers. It outperforms state-of-the-art baselines across unlabeled ratios of 0.70-0.95, maintaining high stability and sensitivity despite extreme class imbalance and varying hyperparameter settings.
• Abstract（参考訳）: 接続された自動運転車(CAV)は深刻なシビル攻撃に直面し、攻撃者はプライバシー保護のための偽名交換機構を利用して、ベーシック・セーフティ・メッセージ(BSM)を偽造する。 既存のスキームは疑わしい行動にフラグを付けることができるが、これらの時間的に断片化されたSybilのアイデンティティは伝統的な単一点とシーケンスに基づくディープラーニング手法を効果的にしない。 これらの断片化されたIDをソースアタッカーにリンクすることは、特に極度のラベルの不足の下で、根本原因の排除に不可欠である。 このため、Sybil-TraceGuardはSybil Guardianの動的半教師付き時空間GNNフレームワークとして提案されており、"攻撃が発生したかどうか"に関して"責任がある"ことを優先している。 Incrmental Stream Detection (ISAD) for efficient Sybil attack pre-screening, the Dynamic Topology-aware Constructor (DTC) for constructing Spatio-temporal dynamic graphs, the spatial GAT-Encoder with Multi-head Attention (SGEM) to capture multi-identity logical conflicts in space interaction, and the Multi-scale Spatio-Temporal Audit (MSTA) to audit short-term temporal unconsistencies。 これらのモジュールは半教師付きMean-Teacherフレームワーク内でフィーチャーエッジシャッフルの摂動によって最適化され、最小限のラベルを使って潜在機能空間を規則化する。 4つのSybil攻撃シナリオでの実験では、Sybil-TraceGuardは、断片化された偽名とソースアタッカーを効果的にリンクしている。 最先端のベースラインを0.70-0.95のラベル付き比で上回り、極度のクラス不均衡と様々なハイパーパラメータ設定にもかかわらず高い安定性と感度を維持している。

関連論文リスト

• Defending against Model Extraction for GNNs with Model Reprogramming [57.82196268649236]
  グラフニューラルネットワーク(GNN)は、ML(Machine-Learning-as-a-Service)における高スループットアプリケーションのバックボーンとして機能する。 それでも、ブラックボックスのデプロイメントは、モデル抽出(ME)攻撃に晒される。 既存の防衛は「ユークリッドバイアス」に苦しむ セキュリティのためにモデル再プログラミングを再利用するプロアクティブディフェンスフレームワークであるGraphRPを提案する。
  論文  参考訳（メタデータ） (2026-08-11T23:20:15Z)
• ARMOR++: Agentic Orchestration of a Multi-Domain Primitive Set for Transferable Attacks on Deepfake Detectors [28.44035744358622]
  本稿では、高透過性ディープフェイク回避のための堅牢なマルチエージェントフレームワークARMOR++を紹介する。 5つの補完的プリミティブを統合することで、ARMOR++は事実上異種誘導バイアスをターゲットとします。 AADD-2025ベンチマークの厳密な評価は、ARMOR++が既存のエージェントと非エージェントのベースラインを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2026-07-16T17:45:13Z)
• Intent-based Security Management Using the TM Forum TR292I Security Ontology [0.0]
  本稿では,TMフォーラムTR292Iセキュリティオントロジー v4.0.0の設計と標準化に基づく,宣言的かつ自律的な自己保護フレームワークを提案する。 提案手法では,動作中の脅威を動的に中和するために,Description Logic (DL) と自動グラフ推論をクローズドループ実行パイプライン内で利用する。 我々は、分散Denial of Service(DDoS)攻撃緩和シーケンスを分解したNext-Generation NodeBスライス上に構築した構造的形式検証ウォークスルーを通じて、モデル駆動アーキテクチャを検証する。
  論文  参考訳（メタデータ） (2026-05-26T22:35:01Z)
• Rethinking Multi-Condition DiTs: Eliminating Redundant Attention via Position-Alignment and Keyword-Scoping [61.459927600301654]
  マルチコンディション制御は従来のコンカデント・アンド・アットエンドの戦略によってボトルネックとなる。 分析の結果,これらの相互作用の多くは空間的にも意味的にも冗長であることがわかった。 本稿では,これらの冗長性を解消するための高効率なフレームワークであるPKAを提案する。
  論文  参考訳（メタデータ） (2026-02-06T16:39:10Z)
• Temporal Logic-Based Multi-Vehicle Backdoor Attacks against Offline RL Agents in End-to-end Autonomous Driving [26.094398456088403]
  我々は、1台以上の車両の軌道をトリガーとして利用するエンド・ツー・エンドADシステムに対する新たなバックドア攻撃を導入する。 我々は、トリガーに似ているがバックドアを起動しないパッチトラジェクトリを組み込むことで、負のトレーニング戦略を開発する。 提案攻撃の柔軟性と効果を実証し、既存のエンドツーエンドADシステムの脆弱性を調査する。
  論文  参考訳（メタデータ） (2025-09-21T07:13:19Z)
• CyGATE: Game-Theoretic Cyber Attack-Defense Engine for Patch Strategy Optimization [73.13843039509386]
  本稿では,攻撃と防御の相互作用をモデル化するゲーム理論フレームワークCyGATEを提案する。 CyGATEはサイバー・キル・チェーン(Cyber Kill Chain)の段階にわたって、サイバー紛争を部分的に観察可能なゲーム(POSG)として捉えている。 フレームワークの柔軟なアーキテクチャは、マルチエージェントシナリオの拡張を可能にする。
  論文  参考訳（メタデータ） (2025-08-01T09:53:06Z)
• Improving Black-Box Generative Attacks via Generator Semantic Consistency [51.470649503929344]
  ジェネレーティブアタックは テスト時に 1つのフォワードパスで 敵の例を生成する 初期ジェネレータの中間機能をEMA教師に整列させることで意味的整合性を実現する。 我々のアプローチは、ブラックボックス転送の一貫性を保ちながら、既存のジェネレーティブアタックにシームレスに統合することができる。
  論文  参考訳（メタデータ） (2025-06-23T02:35:09Z)
• DRIFT: Dynamic Rule-Based Defense with Injection Isolation for Securing LLM Agents [52.92354372596197]
  大規模言語モデル(LLM)は、強力な推論と計画能力のため、エージェントシステムの中心となってきています。 この相互作用は、外部ソースからの悪意のある入力がエージェントの振る舞いを誤解させる可能性がある、インジェクション攻撃のリスクも引き起こす。 本稿では,信頼に値するエージェントシステムのための動的ルールベースの分離フレームワークを提案する。
  論文  参考訳（メタデータ） (2025-06-13T05:01:09Z)
• BankTweak: Adversarial Attack against Multi-Object Trackers by Manipulating Feature Banks [2.8931452761678345]
  我々は、マルチオブジェクトトラッキング(MOT)トラッカー用に設計された新しい敵攻撃であるtextsfBankTweakを提示する。 本手法は,既存の攻撃をはるかに上回り,トラッキング・バイ・ディテクト・フレームワークの脆弱性を露呈する。
  論文  参考訳（メタデータ） (2024-08-22T20:35:46Z)
• Fixed Points in Cyber Space: Rethinking Optimal Evasion Attacks in the Age of AI-NIDS [70.60975663021952]
  ネットワーク分類器に対するブラックボックス攻撃について検討する。 我々は、アタッカー・ディフェンダーの固定点がそれ自体、複雑な位相遷移を持つ一般サムゲームであると主張する。 攻撃防御力学の研究には連続的な学習手法が必要であることを示す。
  論文  参考訳（メタデータ） (2021-11-23T23:42:16Z)

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。