Auswirkungen von Adversarial Training und Übertragbarkeit auf CAN-Intrusion-Detection-Systeme
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.
Signalbasierte, erklärbare Intrusion Detection für Fahrzeug-Innennetze auf Basis des Controller Area Network-Protokolls
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.
Sicherheitsanalyse für die verteilte Entwicklung von sicheren autonomen Fahrsystemen
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.
Effiziente Erkennung von Motorradkollisionen mithilfe von Maschinellen Lernalgorithmen
Maschinelle Lernalgorithmen können Motorradkollisionen zuverlässig und rechtzeitig erkennen, um passive Sicherheitssysteme wie Airbags und Gurte zu aktivieren.
Generierung von sicherheitskritischen Szenarien durch Bearbeitung mit Hilfe von Reinforcement Learning
Ein tiefes Reinforcement-Learning-Ansatz generiert Sicherheits-szenarien durch sequentielles Bearbeiten, um die Fahrzeugautonomie zu validieren.
Effiziente Analyse von Token-basiertem Fahrzeugsicherheitssystem (TVSS)
TVSS bietet effiziente und sichere VPKI-Lösung für vernetzte Fahrzeuge.
© 2024 by Linnk AI