論文の概要: Janus Vehicles: Entity-Centric Threat Modelling of Protocol-Conformant Vehicles under a Malicious-Manufacturer Assumption

• arxiv url: http://arxiv.org/abs/2610.37059v2
• Date: Fri, 30 Oct 2026 05:43:15 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-02 22:05:31.368165
• Title: Janus Vehicles: Entity-Centric Threat Modelling of Protocol-Conformant Vehicles under a Malicious-Manufacturer Assumption
• Title（参考訳）: Janus Vehicles: 悪意のある製造業者推定の下でのプロトコルに適合した車両のエンティティ中心の脅威モデリング
• Abstract要約: 自動車のサイバーセキュリティは一般的に、サプライチェーンの脅威、外部からの攻撃、不正行動によって監視可能なネットワーク参加者に焦点をあてて、優れた製品メーカーや設計当局を仮定する。 この仮定は、未宣言のセンシング、通信、コンテキストトリガーによる動作を実行しながら、本物でプロトコルに適合した設計の車両を見落としている。 3つのサブコンポーネントにまたがるEntity-Centric Threat Modelを定式化します。最初のMalign Entity Archetypesでは、4種類の悪性エンティティを記述しています。
• 参考スコア（独自算出の注目度）: 2.685668802278155
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Automotive cybersecurity commonly assumes benign end-product manufacturers and design authorities, focusing on supply-chain threats, external attacks, and compromised network participants observable through misbehaviour. This assumption overlooks malicious-by-design vehicles that remain authentic and protocol-conformant while performing undeclared sensing, communication, or context-triggered actuation. We formulate an Entity-Centric Threat Model spanning three subcomponents. The first, Malign Entity Archetypes, describes four types of malign entity: peer-benign, purpose-malicious vehicles; compromised vehicles; reappropriated genuine components; and imitated vehicles or components. The model exposes two assurance gaps: authenticity does not establish declared-purpose conformance, while malicious functionality can evade detection based on behavioural history or peer-visible evidence. Reappropriated components can remain genuine and retain usable identities or capabilities outside authorised contexts, reducing the effectiveness of signal fingerprinting and certificate-based authentication. To structure this threat space, we introduce a Behaviour-Locus Matrix that maps covert, overt, and concealment actions across hardware, software, and network loci. For peer-benign, purpose-malicious vehicles, we further present a Behavioural Interaction Model that represents how hidden capabilities are contextually activated, realised through actions, manifested within the vehicle and its environment, and potentially observed or concealed.
• Abstract（参考訳）: 自動車のサイバーセキュリティは一般的に、サプライチェーンの脅威、外部からの攻撃、不正行動によって監視可能なネットワーク参加者に焦点をあてて、優れた製品メーカーや設計当局を仮定する。 この仮定は、未宣言のセンシング、通信、コンテキストトリガーによる動作を実行しながら、本物でプロトコルに適合した設計の車両を見落としている。 3つのサブコンポーネントにまたがるEntity-Centric Threat Modelを定式化する。 第一のマレイン・エンティティ・アーチタイプは、4種類の悪性の実体を記述している: ピア・ベニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグニグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグネグ 信頼性は宣言された目的の適合性を確立せず、悪意のある機能は行動履歴やピア可視的証拠に基づく検出を回避できる。 再承認されたコンポーネントは、本物のままで、許可されたコンテキスト以外の使用可能なIDや機能を保持し、信号の指紋認証と証明書ベースの認証の有効性を低減できる。 この脅威空間を構築するために、ハードウェア、ソフトウェア、ネットワークロシ間でカバート、オーバート、隠蔽アクションをマッピングするBehaviour-Locus Matrixを導入する。 ピア良質で目的重視の車両に対しては、隠れた能力がどのように文脈的に活性化され、行動を通じて実現され、車両とその環境内で表示され、潜在的に観察または隠蔽されるかを示す行動相互作用モデルをさらに提示する。

関連論文リスト

• Adversarial Attacks for Good: A Survey of Proactive Protection across the Visual Content Lifecycle [65.6642776933861]
  この介入点付近で成長した保護パラダイムについて検討する。 ほとんどの保護は、主に静的あるいは弱い適応的な敵に対して検証されている。 我々は、堅牢で構成可能で、デプロイ可能な所有者側の保護のために、クロスステージ対策とオープンな問題を統合することで、閉鎖する。
  論文  参考訳（メタデータ） (2026-08-05T00:46:50Z)
• Cyber-Capable AI Agents: Vulnerabilities, Evaluation Containment, and Defensive Response [0.0]
  サイバー対応AIエージェントは、言語モデルとツール、メモリ、実行環境を組み合わせて、攻撃的なセキュリティタスクを実行する。 このレビューでは、その境界における5つの脆弱性クラスを合成する。マルチステップ攻撃チェーン、サンドボックス境界と競合する目的、サプライチェーンとクレデンシャル露出、永続的なコマンド・アンド・コントロール、自動アクションのスピード。
  論文  参考訳（メタデータ） (2026-07-28T07:34:37Z)
• Process-Mining of Hypertraces: Enabling Scalable Formal Security Verification of (Automotive) Network Architectures [0.0]
  自動車分野に合わせた強力な活発な敵モデルを導入する。 検証オーケストレーションアルゴリズムを導入することにより,セキュリティプロトコルの検証を可能にする。 本稿では,形式的検証とプロセスマイニングの新たな統合について述べる。
  論文  参考訳（メタデータ） (2026-04-23T12:28:28Z)
• Malice in Agentland: Down the Rabbit Hole of Backdoors in the AI Supply Chain [82.98626829232899]
  自分自身のインタラクションからのデータに対する微調整のAIエージェントは、AIサプライチェーン内の重要なセキュリティ脆弱性を導入している。 敵は容易にデータ収集パイプラインに毒を盛り、検出しにくいバックドアを埋め込むことができる。
  論文  参考訳（メタデータ） (2025-10-03T12:47:21Z)
• A Survey and Comparative Analysis of Security Properties of CAN Authentication Protocols [92.81385447582882]
  コントロールエリアネットワーク(CAN)バスは車内通信を本質的に安全でないものにしている。 本稿では,CANバスにおける15の認証プロトコルをレビューし,比較する。 実装の容易性に寄与する本質的な運用基準に基づくプロトコルの評価を行う。
  論文  参考訳（メタデータ） (2024-01-19T14:52:04Z)
• TPatch: A Triggered Physical Adversarial Patch [19.768494127237393]
  音響信号によって引き起こされる物理的対向パッチであるTPatchを提案する。 運転者の疑念を避けるため,コンテンツベースカモフラージュ法と攻撃強化法を提案する。
  論文  参考訳（メタデータ） (2023-12-30T06:06:01Z)
• When Authentication Is Not Enough: On the Security of Behavioral-Based Driver Authentication Systems [53.2306792009435]
  我々はランダムフォレストとリカレントニューラルネットワークアーキテクチャに基づく2つの軽量ドライバ認証システムを開発した。 我々は,SMARTCANとGANCANという2つの新しいエスケープアタックを開発することで,これらのシステムに対する攻撃を最初に提案する。 コントリビューションを通じて、これらのシステムを安全に採用する実践者を支援し、車の盗難を軽減し、ドライバーのセキュリティを高める。
  論文  参考訳（メタデータ） (2023-06-09T14:33:26Z)
• Security and Interpretability in Automotive Systems [0.0]
  送信者認証機構がないため、CAN(Controller Area Network)はセキュリティ上の脅威に対して脆弱である。 この論文では、電子制御ユニット(ECU)の消費電力測定と分類モデルを用いてECUの送信状態を決定する送信者認証手法を実証する。
  論文  参考訳（メタデータ） (2022-12-23T01:33:09Z)
• CAN-LOC: Spoofing Detection and Physical Intrusion Localization on an In-Vehicle CAN Bus Based on Deep Features of Voltage Signals [48.813942331065206]
  車両内ネットワークのためのセキュリティ強化システムを提案する。 提案システムは,CANバスで測定した電圧信号から抽出した深い特徴を処理する2つの機構を含む。
  論文  参考訳（メタデータ） (2021-06-15T06:12:33Z)

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。