論文の概要: X-SPUR: Explainable Surprisal-Based Protocol-Aware Unsupervised Reasoning for Automotive Ethernet Intrusion Detection

• arxiv url: http://arxiv.org/abs/2609.21217v1
• Date: Fri, 18 Sep 2026 01:58:34 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-21 18:40:16.824679
• Title: X-SPUR: Explainable Surprisal-Based Protocol-Aware Unsupervised Reasoning for Automotive Ethernet Intrusion Detection
• Title（参考訳）: X-SPUR:自動車用イーサネット侵入検知のための説明可能なサブプライサルベースのプロトコル対応無監督推論
• Abstract要約: X-SPURは、説明可能な、仮定ベースの、プロトコル対応の教師なし推論フレームワークである。 因果的な言語モデリングを通じて、良心的なトラフィックパターンを学習する。 トウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウトウト
• 参考スコア（独自算出の注目度）: 1.887868859235273
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automotive Ethernet carries heterogeneous multi-protocol traffic in modern in-vehicle networks, where labeled attack data are rarely available and the strongest prior unsupervised detector still relies on handcrafted traffic features. This article presents X-SPUR, an explainable, surprisal-based, protocol-aware unsupervised reasoning framework that instead represents raw packet fields as token sequences, learns benign traffic patterns through causal language modeling, and detects anomalies from per-token cross-entropy surprisal. To incorporate temporal context, we introduce a bimodal fusion architecture that combines payload-token embeddings with inter-packet timing through additive fusion and a Hadamard interaction. To handle the heterogeneous score distributions of different protocol families, we further propose a dual top-$k$% per-protocol $Z$-score calibration that jointly captures moderately distributed and sparse anomaly signatures. On the TOW-IDS dataset, X-SPUR achieves an AUC of 0.9987. This is marginally higher than the 0.9969 reported for AERO. X-SPUR also eliminates handcrafted feature engineering. We train a separate CarDS model using the same architecture and training hyperparameters. This model retains strong performance on the second automotive Ethernet dataset. Beyond detection, per-token surprisal provides fine-grained explainability by attributing anomaly scores to specific protocol fields, supporting interpretable security analysis in heterogeneous in-vehicle networks.
• Abstract（参考訳）: 自動車用イーサネットは、現代の車載ネットワークにおいて異質なマルチプロトコールトラフィックを輸送しており、ラベル付きアタックデータはほとんど利用できず、最強の非監視検出器は依然として手作りの交通機能に依存している。 本稿では、生のパケットフィールドをトークンシーケンスとして表現し、因果言語モデリングを通じて良質なトラフィックパターンを学習し、トークン単位のクロスエントロピー推定から異常を検出する、説明可能な、サブプライズベースのプロトコル対応の非教師付き推論フレームワークであるX-SPURについて述べる。 時間的文脈を取り入れたバイモーダルフュージョンアーキテクチャを導入し,加法融合とアダマール相互作用によるペイロードトーケン埋め込みとパケット間タイミングを組み合わせる。 さらに,各プロトコルファミリの異種スコア分布を扱うために,各プロトコールあたりの$Z$-scoreキャリブレーションを2つの上位$k$%に設定し,適度な分散とスパースな異常シグネチャを同時キャプチャする手法を提案する。 TOW-IDSデータセットでは、X-SPURはAUCが0.9987に達する。 これはAEROが報告した0.9969よりも極端に高い。 X-SPURは手作りの特徴工学も排除している。 同じアーキテクチャを使って別のCarDSモデルをトレーニングし、ハイパーパラメータをトレーニングします。 このモデルは、第2の自動車イーサネットデータセットに強い性能を保っている。 検出以外にも、Token surprisalは、異常スコアを特定のプロトコルフィールドに関連付け、異種車載ネットワークにおける解釈可能なセキュリティ解析をサポートすることによって、きめ細かな説明可能性を提供する。

関連論文リスト

• When Agents Look Like Beacons: NIDS Evasion by Model Context Protocol Traffic [0.5076419064097734]
  明示的なネットワーク層表示がなければ,MPPトラフィックはCommand and Control (C2) のビーカリング動作に類似していることが示される。 本稿では,エージェントNative Native ALPNと標準帯域外ヘッダを含むエージェントベースのネットワーク表示標準を提案する。
  論文  参考訳（メタデータ） (2026-09-16T17:27:42Z)
• REAL-OW: Rehearsal-free Open World Object Detection with Low-Rank Adaptation and Dual-Stage Objectness Modeling [56.888597798431704]
  Open-World Object Detection (OWOD) では、未確認のオブジェクトを未知のものとして識別し、それを既知のカテゴリのセットにインクリメンタルに組み込む必要がある。 既存のフレームワークは、破滅的な忘れを緩和するために、模範的なリプレイに大きく依存しているが、実際のアプリケーションでは、データアクセス制限との生データ競合を保存し、データ露出のリスクをもたらす。 協調的なアダプタアーキテクチャを通じて段階的な知識を分離する新しいリハーサルフリーフレームワークであるREAL-OWを提案する。
  論文  参考訳（メタデータ） (2026-07-03T06:38:54Z)
• Detecting Adversarial Evasion Attacks Against Autoencoder-Based Network Intrusion Detection Systems [0.0]
  侵入攻撃はMLベースのシステムへの入力を意図的に操作し、操作された入力がまだ良さそうに見える間に誤った予測を生成する。 本稿では,Residual Localisation Detector (RLD) とFeature-Space Perturbation Consistency (FPC) Detector (FPC) の2つの補完検出器を提案する。 UQ-IoTデータセット内の複数のIoTデバイスからの良性、悪意、敵対的なトラフィックに対して、両方の検出器を評価する。
  論文  参考訳（メタデータ） (2026-07-01T17:26:24Z)
• Every Step Counts: Decoding Trajectories as Authorship Fingerprints of dLLMs [63.82840470917859]
  本稿では,dLLMの復号化機構をモデル属性の強力なツールとして利用できることを示す。 本稿では、デコードステップ間の構造的関係を捉え、モデル固有の振る舞いをよりよく明らかにする、DDM(Directed Decoding Map)と呼ばれる新しい情報抽出手法を提案する。
  論文  参考訳（メタデータ） (2025-10-02T06:25:10Z)
• Exploring Highly Quantised Neural Networks for Intrusion Detection in Automotive CAN [13.581341206178525]
  機械学習に基づく侵入検出モデルは、標的となる攻撃ベクトルを複数検出することに成功した。 本稿では,多クラス分類モデルとしてのカスタム量子化文学(CQMLP)について述べる。 IDSとして統合された2ビットCQMLPモデルでは、悪意のある攻撃メッセージを99.9%の精度で検出できることが示されている。
  論文  参考訳（メタデータ） (2024-01-19T21:11:02Z)
• Semi-Supervised and Long-Tailed Object Detection with CascadeMatch [91.86787064083012]
  そこで我々はCascadeMatchと呼ばれる新しい擬似ラベル型検出器を提案する。 我々の検出器は、プログレッシブな信頼しきい値を持つ多段検出ヘッドを備えたカスケードネットワークアーキテクチャを備えている。 CascadeMatchは、長い尾のオブジェクト検出の処理において、既存の最先端の半教師付きアプローチを超越していることを示す。
  論文  参考訳（メタデータ） (2023-05-24T07:09:25Z)
• STC-IDS: Spatial-Temporal Correlation Feature Analyzing based Intrusion Detection System for Intelligent Connected Vehicles [7.301018758489822]
  車両内通信トラフィック(STC-IDS)の時空間相関特性を用いた自動車侵入検出の新しいモデルを提案する。 具体的には、エンコーダ部では、空間的関係と時間的関係を同時に符号化する。 符号化された情報は検出器に渡され、強制的な空間的時間的注意特徴を生成し、異常分類を可能にする。
  論文  参考訳（メタデータ） (2022-04-23T04:22:58Z)
• AVTPnet: Convolutional Autoencoder for AVTP anomaly detection in Automotive Ethernet Networks [2.415997479508991]
  本稿では,Audio Video Transport Protocol (AVTP) 上での異常のオフライン検出のための畳み込みオートエンコーダ (CAE) を提案する。 提案手法は、最近発表された"Automotive Ethernet Intrusion dataset"に基づいて評価される。
  論文  参考訳（メタデータ） (2022-01-31T19:13:20Z)
• DAE : Discriminatory Auto-Encoder for multivariate time-series anomaly detection in air transportation [68.8204255655161]
  識別オートエンコーダ(DAE)と呼ばれる新しい異常検出モデルを提案する。 通常のLSTMベースのオートエンコーダのベースラインを使用するが、いくつかのデコーダがあり、それぞれ特定の飛行フェーズのデータを取得する。 その結果,DAEは精度と検出速度の両方で良好な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2021-09-08T14:07:55Z)
• A Driving Behavior Recognition Model with Bi-LSTM and Multi-Scale CNN [59.57221522897815]
  運転行動認識のための軌道情報に基づくニューラルネットワークモデルを提案する。 提案手法を公開BLVDデータセット上で評価し,満足な性能を実現する。
  論文  参考訳（メタデータ） (2021-03-01T06:47:29Z)
• Multimodal Trajectory Prediction via Topological Invariance for Navigation at Uncontrolled Intersections [45.508973373913946]
  道路交差点において,信号機や信号機を使わずに複数の非通信的合理的エージェント間の分散ナビゲーションに着目した。 我々の重要な洞察は、交差点の幾何学的構造と、効率的に動くエージェントのインセンティブが衝突を避け(合理性)、起こりうる行動の空間を減少させるということである。 マルチエージェント交差点シーンにおける高次モードの軌道表現を再構成するデータ駆動型軌道予測機構であるMTPを設計する。
  論文  参考訳（メタデータ） (2020-11-08T02:56:42Z)

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。