文献

J-GLOBAL ID：202202251991059249   整理番号：22A1104302

車両群衆センシングのためのSybil攻撃認識のための生成敵対アプローチ【JST・京大機械翻訳】

A Generative Adversarial Approach for Sybil Attacks Recognition for Vehicular Crowdsensing

著者 (7件)： Jaimes Luis G. (Florida Polytechnic University,Department of Computer Science,Lakeland,FL,33805) ,  Calderon Juan (Universidad Santo Toma ́s,Department of Electronic Engineering,Colombia) ,  Shriver Scott (Florida Polytechnic University,Department of Computer Science,Lakeland,FL,33805) ,  Hendricks Antonio (Florida Polytechnic University,Department of Electrical and Computer Engineering) ,  Lozada Javier (Florida Polytechnic University,Department of Electrical and Computer Engineering) ,  Seenith Sivasundaram (Bethune Cookman University,Computer Science & Engineering Department) ,  Chintakunta Harish (Florida Polytechnic University,Department of Electrical and Computer Engineering)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2022  号： ICCVE  ページ： 1-7  発行年： 2022年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 車両群衆センシング(VCS)は,データ収集がグループ車両に出出される群衆センシングの部分集合である。ここでは,センシングの関心(PsI)の集合からデータを収集することに関心を持つエンティティは,一連のセンシングタスクと関連する報酬を広告する。提供された報酬によって誘引された車両は,1つ以上のPsIから訪問し,収集するために進行中の軌道から逸脱する。このwin-to-winシナリオでは,車両は余分な報酬で最終目的地に達し,エンティティは望ましいサンプルを得る。残念なことに,VCSの効率は,Sybil攻撃によって過小評価され,その中で,攻撃者は,誤った車両同一性の注入から利益を得ることができる。本論文では,事例研究を提示し,そのような攻撃の効果を解析した。また,生成敵対ニューラルネットワーク(GAN)に基づく防御機構を提案する。GANsの利点,VCSの文脈における欠点,およびVCSに適したGANsの訓練における新しい傾向を論じた。Copyright 2022 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ニューラルネットワーク ,  *事例研究 ,  データ収集 ,  防御機構
準シソーラス用語： エンティティ ,  攻撃者 ,  目的地 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： センシング ,  Sybil攻撃 ,  敵対