文献

J-GLOBAL ID：202202279462747478   整理番号：22A0887467

5G車両エッジコンピューティングにおける受動移動攻撃者検出のための連合学習ベース方式【JST・京大機械翻訳】

Federated learning-based scheme for detecting passive mobile attackers in 5G vehicular edge computing

著者 (2件)： Boualouache Abdelwahab (Faculty of Science, Technology, and Medicine (FSTM), University of Luxembourg, Esch-sur-Alzette, Luxembourg) ,  Engel Thomas (Faculty of Science, Technology, and Medicine (FSTM), University of Luxembourg, Esch-sur-Alzette, Luxembourg)
資料名： Annals of Telecommunications  (Annals of Telecommunications)
巻： 77  号： 3-4  ページ： 201-220  発行年： 2022年 
JST資料番号： A0416A  ISSN： 0003-4347  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 受動攻撃の検出は,車両ネットワークにおいて常に難しいと考えられている。受動攻撃者は,ビーコンを収集するために無線媒体に盗聴できる。これらのビーコンは,それらの位置プライバシーを侵害するだけでなく,犯罪目的にも,車両の位置を追跡するのに利用できる。本論文では,5G車両エッジコンピューティングにおける受動モバイル攻撃者を検出するための新しい連合学習ベース方式を提案した。最初に,視覚的に検出されることなく車両を効率的に追跡する攻撃者により使用できる一連の戦略を同定した。次に,受信ビーコンのみに基づく追跡攻撃を検出する効率的な機械学習(ML)モデルを構築した。このスキームは,車両のプライバシーを保存しながら,協調学習を確実にするため,エッジで連合学習(FL)を可能にする。さらに,FLクライアントは,正確な自己ラベリングを確実にするために,半教師つき学習アプローチを使用する。著者らの実験は,受動モバイル攻撃者を迅速かつ高精度で検出する提案方式の有効性を実証した。実際には,20の受信ビーコンだけが95%の精度を達成するために必要である。この精度は,各FLラウンドで5つのFLクライアントを用いて60のFLラウンド内で達成できる。得られた結果をシミュレーションにより検証した。Copyright Institut Mines-Telecom and Springer Nature Switzerland AG 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 検出 ,  視覚 ,  受信 ,  犯罪 ,  プライバシー ,  媒質 ,  ビーコン ,  有効性 ,  携帯電話 ,  機械学習 ,  *サイバー攻撃
準シソーラス用語： ワイヤレス ,  高精度 ,  *攻撃者 ,  *エッジコンピューティング , 【Automatic Indexing@JST】

著者キーワード (6件)： 5G車両エッジ計算 ,  機械学習 ,  連合学習 ,  セキュリティ ,  プライバシー ,  受動攻撃者検出

分類 (4件)： 無線通信一般  (ND08010L) ,  計算機網  (JC03000K) ,  移動通信  (ND08030H) ,  データ保護  (JD01020V)

タイトルに関連する用語 (4件)： 5G ,  エッジコンピューティング ,  攻撃者 ,  学習