連結自律車両におけるスプーフィング攻撃を検出するためのレーダ特徴の説明【JST・京大機械翻訳】

Rastogi Nidhi; Rampazzi Sara; Clifford Michael; Heller Miriam; Bishop Matthew; Levitt Karl

プレプリント

J-GLOBAL ID：202202211116397051 整理番号：22P0296800

連結自律車両におけるスプーフィング攻撃を検出するためのレーダ特徴の説明【JST・京大機械翻訳】

Explaining RADAR features for detecting spoofing attacks in Connected Autonomous Vehicles

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (6件)： , , , , ,
資料名：
発行年： 2022年02月28日プレプリントサーバーでの情報更新日： 2022年02月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

接続自律車両(CAV)は,サイバー攻撃に対する防御のためのAIシステムの構築が期待される。機械学習(ML)モデルは,多くのそのようなAIシステムの基礎を形成する。これらのモデルは,ブラックボックスのように作用し,大きな精度で解への入力を変換するが,その決定を支持する説明はない。モデル性能を伝達し,決定を透明にし,ステークホルダーを持つモデルにおける信頼を確立するのに,説明が必要である。説明は,例えば,MLモデルが低信頼決定を行うか,または多重またはあいまいな代替案を提供するとき,人間が制御を取り入れるときも示すことができる。説明は,事故後法医学分析の証拠も提供する。セキュリティ問題に対する説明可能なMLに関する研究は,制限され,CAVに関してより重要である。本論文では,ML攻撃検出モデル,特に自律車両のような高移動およびリスク回避プラットフォームにおいて,訓練ML攻撃検出モデルに対する重要だが未研究センサデータ不確実性問題を検討した。データ収集における欠測特性であるcertaintyanduncertaintyinセンサ入力を説明するモデルを示した。モデル説明は,説明可能な入力データ品質なしで,与えられたシステムに対して不正確であると仮定した。レーダセンサデータにおける特徴に対する不確実性と質量関数を推定し,それらを実験評価を通して訓練モデルに組み入れた。質量関数は,分類器が不正確なクラスラベルで正確にすべてのスプーフィング入力を分類することを可能にする。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

データ保護 , 走行装置 , 計算機網

, , , ,

前のページに戻る