Das wachsende Risiko von Angriffen auf Fahrzeug-Netzwerke erfordert robuste Intrusion-Detection-Systeme, die gegen Adversarial-Angriffe resistent sind. CANEDERLI ist ein neuartiges Framework zur Bewertung der Auswirkungen von Übertragbarkeit und Adversarial Training in diesem Kontext.
X-CANIDS ist ein neuartiges Intrusion Detection System, das Signale aus CAN-Nachrichten verwendet, um Cyberangriffe auf Fahrzeug-Innennetze zu erkennen und zu erklären, ohne dass dafür Trainingsdaten mit Angriffsszenarien erforderlich sind.
Die Systemtheoretische Prozessanalyse (STPA) ist eine vielversprechende Methode zur Identifizierung von Gefahren in komplexen KI-basierten Fahrzeugsystemen. Allerdings erfordert die verteilte Entwicklung und die Verwendung mehrerer Abstraktionsebenen in der Automobilindustrie eine Anpassung der STPA-Methode, um die Rückverfolgbarkeit und Wartbarkeit zu gewährleisten.
Maschinelle Lernalgorithmen können Motorradkollisionen zuverlässig und rechtzeitig erkennen, um passive Sicherheitssysteme wie Airbags und Gurte zu aktivieren.
Ein tiefes Reinforcement-Learning-Ansatz generiert Sicherheits-szenarien durch sequentielles Bearbeiten, um die Fahrzeugautonomie zu validieren.
TVSS bietet effiziente und sichere VPKI-Lösung für vernetzte Fahrzeuge.