文献

J-GLOBAL ID：202102213661471264   整理番号：21A0633021

自律車両のための深層ニューラルネットワークを用いたCANバスメッセージの異常検出【JST・京大機械翻訳】

Anomaly Detection of CAN Bus Messages Using a Deep Neural Network for Autonomous Vehicles

著者 (3件)： Zhou Aiguo (School of Mechanical Engineering, Tongji University, Shanghai 201804, China) ,  Li Zhenyu (School of Mechanical Engineering, Tongji University, Shanghai 201804, China) ,  Shen Yong (School of Automotive Studies, Tongji University, Shanghai 201804, China)
資料名： Applied Sciences (Web)  (Applied Sciences (Web))
巻： 9  号： 15  ページ： 3174  発行年： 2019年 
JST資料番号： U7135A  ISSN： 2076-3417  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： スイス (CHE)  言語： 英語 (EN)

抄録/ポイント： 車内制御装置エリアネットワーク(CAN)バスは,自律車両のための必須コンポーネントの1つであり,その安全性は,将来,インテリジェント車両の分野における最大の課題の1つである。本論文では,異常なCANバスメッセージを検出するために,深層ニューラルネットワーク(DNN)を用いる新しいシステムを提案した。交差ドメインモデリング問題として異常検出を処理し,その中で3つのCANバスデータパケットをグループとして共有重みで並列訓練のためにDNNアーキテクチャに直接インポートした。その後,3つのデータパケットを3つの独立した特徴ベクトルとして表現し,それは3つの異なるタイプのデータシーケンス,すなわちアンカー,正および負に対応する。提案したDNNアーキテクチャは,アンカー例と正例間の距離を最適化する埋込み三重項損失ネットワークであり,アンカー例と陰性例間の距離よりも小さく,顔検出で最初に使用されたサンプルの類似性計算を実現する。従来の異常検出法と比較して,共有重量でパラメータを学習する提案方法は,検出効率と検出精度を改善することができた。全検出システムはフロントエンドとバックエンドからなり,それぞれ,深いネットワークと三重項損失ネットワークに対応し,エンドツーエンド方式で訓練可能である。実験結果は,提案した技術がCANバスへの異常と攻撃に対してリアルタイム応答を作って,検出比率を著しく改良することができることを示した。著者らの知る限り,提案方法は車内CANバスにおける異常検出に初めて使用された。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  制御装置 ,  *ネットワーク ,  エンドツーエンド方式 ,  類似性 ,  検出効率 ,  計算機アーキテクチャ ,  パケット
準シソーラス用語： 自律性 ,  特徴ベクトル ,  顔検出 ,  実時間 ,  異常検出 ,  検出精度 ,  *ディープニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (5件)： CANバス ,  異常検出 ,  DNN ,  自律車両 ,  三重項損失ネットワーク

分類 (2件)： 計算機網  (JC03000K) ,  電装品  (QG03070C)

引用文献 (26件)：

• Müter, M.; Asaj, N. Entropy-based anomaly detection for in-vehicle networks. In Proceedings of the IEEE Intelligent Vehicles Symposium, Baden-Baden, Germany, 5-9 June 2011.
• Nilsson, D.; Larson, U.E. Simulated attacks on CAN buses: vehicle virus. In Proceedings of the 5th IASTED International Conference on Communication Systems and Networks, Palma de Mallorca, Spain, 1-3 September 2008.
• Miller, C.; Valasek, C. Adventures in automotive networks and control units. Def Con. 2013, 21, 260-264.
• Miller, C.; Valasek, C. A survey of remote automotive attack surfaces. In Proceedings of the Black Hat, Las Vegas, NV, USA, 2-7 August 2014; p. 94.
• Othmane, L.B.; Weffers, H.; Mohamad, M.M.; Wolf, M. A survey of security and privacy in connected vehicles. In Wireless Sensor and Mobile Ad-Hoc Networks; Springer: New York, NY, USA, 2015; pp. 217-247.

タイトルに関連する用語 (5件)： 自律 ,  深層ニューラルネットワーク ,  CANバス ,  メッセージ ,  異常検出