論文の概要: From Trust Scores to Driver Decisions: An Abstaining Evidential Decision Layer for Event Validation in VANETs

• arxiv url: http://arxiv.org/abs/2610.24810v1
• Date: Sat, 17 Oct 2026 18:32:59 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 11:57:50.154442
• Title: From Trust Scores to Driver Decisions: An Abstaining Evidential Decision Layer for Event Validation in VANETs
• Title（参考訳）: 信頼スコアからドライバ決定へ - VANETにおけるイベント検証のための確実な証拠決定層
• Abstract要約: 本稿では,車側イベント決定フレームワークであるCRESTについて述べる。 一つの報告書は、決定のマージンを最も重み付けによって変化させることが示されており、これは攻撃者の連立政権の信頼による影響を束縛している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Trust management in vehicular ad hoc networks is highly active, yet the decision that a driver needs, whether a reported event is real, has received far less attention; the schemes that make it force every decision into two outcomes, even on thin or conflicting evidence. This paper presents CREST, a vehicle-side event-decision framework that can withhold a decision its evidence does not support. Each vehicle weights the reports it holds by the trust, proximity and freshness of their senders, fuses them with Yager's rule, and decides only when the fused margin reaches an abstention threshold. Abstention is a waiting state: a vehicle still unsure at the event is resolved by an explicit application policy, which makes the trade-off between missed hazards and unnecessary detours visible. CREST requires only a scalar trust per reporter and is built here on an evidential trust model whose consensus and revocation steps are updated to support the decision layer. A single report is shown to change the decision margin by at most its weight, which bounds the influence of an attacker coalition by its trust. In a pre-registered simulation study with fourteen attacks, including position spoofing and trust-gated camouflage, and with all unspecified parameters of all systems tuned by the same procedure, CREST reduces the decision error of two published trust-based dissemination systems from 0.162 and 0.106 to 0.051. With the best-guess policy it also lowers both missed and unnecessary reroutes and outperforms the forced binary rule on both error types in every cell.
• Abstract（参考訳）: 車両のアドホックネットワークにおける信頼管理は非常に活発だが、ドライバーが要求する決定は、報告されたイベントが本物であるかどうかに関わらず、はるかに少ない注意を払っている。 本稿では,車側イベント決定フレームワークであるCRESTについて述べる。 各車両は、送信者の信頼、近づき、新鮮さによる報告を重み付け、イェーガーの規則と融合させ、融合したマージンが断続的な閾値に達した場合にのみ決定する。 イベントでまだ不確実な車両は明示的なアプリケーションポリシーによって解決され、失ったハザードと不要なデトゥールの間のトレードオフが可視化される。 CRESTはレポーター1人当たりのスカラー信頼しか必要とせず、決定層をサポートするためにコンセンサスと取り消しのステップが更新された明らかな信頼モデルに基づいて構築されている。 一つの報告書は、決定のマージンを最も重み付けによって変化させることが示されており、これは攻撃者の連立政権の信頼による影響を束縛している。 位置スプーフィングと信頼されたカモフラージュを含む14の攻撃と、同じ手順で調整された全てのシステムの不特定パラメータを含む事前登録されたシミュレーション研究において、CRESTは2つの信頼ベースの普及システムの決定誤差を0.162と0.106から0.051に削減した。 最高のゲスポリシーでは、欠落したリルートと不要なリルートの両方を減らし、すべてのセルで両方のエラータイプに対して強制的なバイナリルールを上回ります。

関連論文リスト

• Who Speaks, Who Authorizes, Who Acts? Understanding Trust Boundaries in Multi-Agent LLMs [9.778071238570796]
  我々は、ポリシーに反する虚偽の証明を構築できる、最小の独立に妥協された署名者連合を特徴づける。 4つのモデルにまたがる固定メッセージルーティングのコントラストは、規定された大きな効果基準に合致しない。 提示されたソース・アイデンティティ・キューは、3つのモデルにわたる保護・アクションの選択を均一に増やさない。 個別の単一モデル認証チェックは、ポリシー無効な妥協署名証明を持つ偽のクレームがゲートを通過可能であることを示す。
  論文  参考訳（メタデータ） (2026-10-16T22:49:41Z)
• Dual-Frontier: When Can an Agent Trust Its World Model? [27.999328033210492]
  本研究は,世界モデル誘導型意思決定が失敗した場合,エージェントの意思決定ルールと世界モデルが損失を引き起こしたかどうかを,軌跡だけでは明らかにできないことを示す。 我々は、この障害帰属問題を、リターン損失の非実効分解として定式化する。 提案するDual-Frontierは,予測される優位性が決定関連世界モデルエラーの認定境界を超える場合にのみ,世界モデル誘導決定を認める学習原理である。
  論文  参考訳（メタデータ） (2026-09-22T12:05:43Z)
• FRAUDSkill: Structured Frozen-Weight Skill Optimization for Audio Anti-Fraud Detection [51.835490676337564]
  大規模な音声言語モデルは、音声を直接処理し、詐欺関連の証拠を推論することで、反詐欺検出の可能性を示してきた。 既存の微調整とプロンプトベースのアプローチは、通常、タスクの知識、制約、決定ルールをモデルパラメータや手動で保守されたプロンプトにエンコードする。 本稿では,FRAUDSkillを提案する。FRAUDSkillは,プログラムの外部レイヤ,ルート固有のポリシー,決定ルールを最適化しながら,基礎となる音声モデルに変化を持たせる構造的フリーウェイト適応フレームワークである。
  論文  参考訳（メタデータ） (2026-09-16T14:51:37Z)
• Conformal Changepoint Localization and Root Cause Analysis with Corrupted Observations [55.76952683833966]
  本稿では,データ破損時の信頼性設定サイズを低減するために,重み付きCONCH(W-CONCH)と重み付きCROC(W-CROC)を提案する。 画像ベースおよび実世界の変化点と根本原因ベンチマークの実験は、不確実性ベースの重み付けが信頼性セットのサイズを大幅に減少させることを示している。
  論文  参考訳（メタデータ） (2026-07-29T05:16:59Z)
• Resist and Update: Counterfactual Report Coordinates for Incentive-Compatible LLMs [4.721990925113432]
  修飾言語モデルは、非証拠的な圧力下で定期的に誤レポートされる。 我々は2つの要求を調査し、抵抗(不当な圧力)と更新(認可された証拠をフォロー)する。 低ランクレポートのコーディネートを慎重にローカライズして,回答,信頼,注意を喚起する。
  論文  参考訳（メタデータ） (2026-07-14T17:28:25Z)
• Claw-Eval: Toward Trustworthy Evaluation of Autonomous Agents [66.97968363332465]
  エージェントベンチマークの3つのギャップに対処するエンドツーエンド評価スイートであるClaw-Evalを紹介した。 Claw-Evalは3つのグループにまたがる9つのカテゴリにまたがる300の人間検証タスクで構成されている。 すべてのエージェントアクションは、3つの独立したエビデンスチャネルを通じて記録される。
  論文  参考訳（メタデータ） (2026-04-07T17:43:18Z)
• LEC: Linear Expectation Constraints for False-Discovery Control in Selective Prediction and Routing Systems [95.35293543918762]
  大規模言語モデル(LLM)はしばしば信頼できない答えを生成するが、不確実性のある手法は誤った予測と完全に区別することができない。 我々は、この問題を、偽発見率(FDR)制御のレンズを通して解決し、全ての許容された予測のうち、エラーの割合が目標のリスクレベルを超えないことを保証する。 本稿では,線形期待制約を強制することで,選択予測を制約付き決定問題として再解釈するLECを提案する。
  論文  参考訳（メタデータ） (2025-12-01T11:27:09Z)
• Trusted Uncertainty in Large Language Models: A Unified Framework for Confidence Calibration and Risk-Controlled Refusal [31.458406135473805]
  異種不確実性証拠を正当性の校正確率に変換する統一フレームワークUniCRを提案する。 UniCRは、温度スケーリングと適切なスコアリングを備えた軽量なキャリブレーションヘッドを学習する。 ショートフォームQA、実行テスト付きコード生成、検索強化ロングフォームQAの実験は、キャリブレーションメトリクスの一貫性のある改善を示している。
  論文  参考訳（メタデータ） (2025-09-01T13:14:58Z)
• Criticality and Safety Margins for Reinforcement Learning [53.10194953873209]
  我々は,定量化基盤真理とユーザにとっての明確な意義の両面から,批判的枠組みを定めようとしている。 エージェントがn連続的ランダム動作に対するポリシーから逸脱した場合の報酬の減少として真臨界を導入する。 我々はまた、真の臨界と統計的に単調な関係を持つ低オーバーヘッド計量であるプロキシ臨界の概念も導入する。
  論文  参考訳（メタデータ） (2024-09-26T21:00:45Z)

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。